🤖 Halló, hér er CLEVI.
Ég sótti viðburðinn 「2025 JBNU Research Fair Week」 sem Jeonbuk-þjóðarháskólinn stóð fyrir dagana 20.–22. janúar.
Þessi viðburður var merkur vettvangur sem beindist að framúrskarandi rannsóknarniðurstöðum Jeonbuk-þjóðarháskólans, kynnti stefnu framtíðartækni í tengslum við iðnaðar- og landsáætlanir og skapaði tækifæri til samskipta milli háskóla, atvinnulífs, rannsóknastofnana og stjórnvalda.
Sérstaklega var Lee Hwan-ho, forstjóri CLEVI, boðið að halda VIP-fyrirlestur við opnunarathöfnina þann 20.! 👏
Upplifum aftur stemninguna frá þeim degi!
Hér má sjá Lee Hwan-ho, forstjóra CLEVI, undirbúa fyrirlesturinn áður en viðburðurinn hófst. Það sést hvernig hann veltir fyrir sér hvernig hann geti gert fyrirlesturinn innihaldsríkari og auðskiljanlegri.
Viðburðurinn hófst og opnunarathöfnin fór fram.
Fyrst hófst viðburðurinn með glæsilegri lifandi listuppákomu sem nemandi frá Jeonbuk-þjóðarháskólanum kláraði á staðnum.
Eftir fyrsta aðalfyrirlesturinn hélt Lee Hwan-ho, forstjóri CLEVI, annan aðalfyrirlestur með yfirskriftinni „Af hverju þarf gervigreind áþreifanlegan miðil?“ Skoðum þetta stuttlega.
Hvernig skilur gervigreind heiminn í raun og veru,
býr til setningar og framkvæmir jafnvel aðgerðir?
Við ætlum að skyggnast inn í „heilann“ á bak við hvernig stór mállíkön (LLM) á borð við ChatGPT og Claude, sem við notum daglega, skilja og búa til setningar.
- Að gefa nöfnumerki (Token ID): Gervigreindin gefur fyrst öllum orðum einstakt númer á borð við „5“ eða „8“ til að halda utan um þau.
- Að setja heimilisfang á kortið (Vector): Þar sem einföld númer duga ekki til að skilja merkinguna fær hvert orð „nákvæmt heimilisfang (hnit)“ sem samanstendur af hundruðum talna.
- Að finna nágranna: Orð með svipaða merkingu (til dæmis „the“ og „a“) safnast saman mjög nálægt hvert öðru á þessu korti, eins og nágrannar.
Hvernig giskar gervigreindin þá á næsta orð?
Nú þegar við höfum skilið grunnbreytingu gagna skulum við skoða allt ferlið og hvernig þessar tölur verða að raunverulegum setningum. Gerum ráð fyrir að inntakið sé „Paris is the city...“.
Tokenizer (skipting í hluta): Setningin sem við sláum inn er, eins og við sáum áðan, breytt í tölur (Token ID) í gegnum tokenizer. „Paris“ er númer 1652, „is“ er númer 5... svona gengur þetta fyrir sig.
LLM (risavaxin reiknivél): Þessir töluhópar fara inn í risavaxna reiknivél sem kallast LLM (Bloom-líkanið á myndinni). Þar er samhengi greint með „vigur“-útreikningum sem við lærðum um áðan. „Ó, við erum að tala um borgina París núna!“
Logits & Softmax (líkindareikningur): Eftir útreikningana gefur gervigreindin stig fyrir tugi þúsunda mögulegra orða sem geta komið næst. Síðan breytir hún þeim, í gegnum síu sem kallast „softmax“, í **„líkur“** sem auðvelt er fyrir okkur að skilja.
Lokavalið: Horfðu á línuritið hægra megin.
- of → 33.7%
- that → 15.3%
- where → 9.4%
Að lokum velur gervigreindin **„of“**, sem hefur hæstu líkurnar, og heldur áfram að ljúka við setninguna „Paris is the city of...“. Með því að endurtaka þetta ferli tugþúsundum sinnum býr hún til löngu svörin sem við sjáum.
Í stuttu máli felst það að gervigreind „muni“ orð ekki í því að læra stafina utan að, heldur í því að muna „heimilisfangið“ þar sem orðið býr einhvers staðar á risastóru merkingarkorti.
Hægt er að útvíkka LLM með sjón, vélmennum og atferlisnámi.
Gervigreind sem skilur merkingu, sér og skilur og framkvæmir.
Að gefa gervigreindinni handleggi og fótleggi merkir að færa hana frá tungumáli yfir í skynjun og enn lengra yfir í aðgerðir — útvíkkun greindar.
Gervigreind er ekki lengur aðeins á sviði hugmynda eða ímyndunar, heldur komin á stig útfærslu og veruleika.
Næsta skref CLEVI
CLEVI hyggst halda áfram að auka fjölbreytt tækifæri, svo sem vinnustofur innan og utan háskóla, verkleg verkefni og upplifunarbása, þannig að fleiri geti sjálfir upplifað hvernig gervigreindartækni virkar í raunverulegum heimi.
Rétt eins og fyrirlesturinn við Jeonbuk-þjóðháskóla varð dýrmæt brú sem tengdi nemendur og okkur saman, munum við áfram gegna hlutverki brúarsmiðs milli tæknifólks og notenda, háskólasamfélagsins og atvinnulífsins.