🤖 Sveiki, čia CLEVI.
Sausio 20–22 d. apsilankėme „2025 JBNU tyrimų mugės savaitės (Research Fair Week)“ renginyje, kurį organizavo Jeonbuko nacionalinis universitetas.
Tai buvo prasmingas renginys, kuriame, daugiausia dėmesio skiriant puikiems Jeonbuko nacionalinio universiteto tyrimų rezultatams, buvo pristatytos su pramonės ir nacionalinėmis strategijomis susijusių ateities technologijų kryptys bei sudarytos sąlygos pramonės, akademinės bendruomenės, mokslinių tyrimų institucijų ir valdžios atstovų mainams.
Ypač malonu, kad CLEVI vadovas Lee Hwan-ho buvo pakviestas VIP pranešėju į 20 d. vykusią atidarymo ceremoniją! 👏
Dar kartą pajuskime tos dienos atmosferą!
Prieš prasidedant renginiui matome, kaip vadovas Lee Hwan-ho ruošiasi paskaitai ir svarsto, kaip ją padaryti dar turiningesnę ir lengviau suprantamą.
Renginys prasidėjo, o kartu vyko ir atidarymo ceremonija.
Pirmiausia renginį įspūdingai atidarė Jeonbuko nacionalinio universiteto studento vietoje sukurta gyvo meno performanso programa.
Po pirmosios pagrindinės paskaitos antrąją pagrindinę paskaitą tema „Kodėl dirbtiniam intelektui reikalinga fizinė terpė?“ skaitė mūsų CLEVI vadovas Lee Hwan-ho. Apžvelkime ją trumpai!
Kaip dirbtinis intelektas iš tiesų supranta pasaulį,
kuria sakinius ir net imasi veiksmų?
Kartu pažvelkime į tai, kaip milžiniški kalbos modeliai (LLM), tokie kaip kasdien naudojami „ChatGPT“ ar „Claude“, supranta ir kuria sakinius bei kas vyksta jų „smegenyse“.
- Žymėjimas vardais (Token ID): pirmiausia dirbtinis intelektas kiekvienam žodžiui priskiria unikalų numerį, pavyzdžiui, „5“ ar „8“, ir taip juos tvarko.
- Adreso pažymėjimas žemėlapyje (Vector): tačiau vien iš paprasto numerio reikšmės suprasti neįmanoma, todėl kiekvienam žodžiui suteikiamas „išsamus adresas (koordinatės)“, sudarytas iš šimtų skaičių.
- Kaimynų paieška: panašios reikšmės žodžiai (pvz., „the“, „a“) šiame žemėlapyje gyvena labai arti vienas kito, tarsi kaimynai.
Taigi, kaip dirbtinis intelektas atspėja kitą žodį?
Dabar, kai supratome pagrindinį duomenų transformavimo procesą, pažvelkime į visą procesą ir išsiaiškinkime, kaip šie skaičiai virsta tikrais sakiniais. Tarkime, kad turime įvestį „Paris is the city...“.
Tokenizeris (skaidymas į dalis): mūsų įvestas sakinys, kaip matėme anksčiau, per tokenizerį paverčiamas skaičiais (Token ID). „Paris“ yra 1652, „is“ yra 5... ir taip toliau.
LLM (milžiniškas skaičiuotuvas): šie skaičių rinkiniai patenka į milžinišką skaičiuotuvą, vadinamą LLM (paveikslėlyje pavaizduotas Bloom modelis). Čia, pasitelkus anksčiau išmoktus „vektorių“ skaičiavimus, nustatomas kontekstas. „Aišku, dabar kalbama apie Paryžiaus miestą!“
Logits ir Softmax (tikimybių skaičiavimas): baigęs skaičiavimus, AI įvertina dešimtims tūkstančių galimų tolesnių žodžių kandidatų. Tada, pritaikius filtrą, vadinamą „softmax“, šie įvertinimai paverčiami mums patogiai suprantamomis **„tikimybėmis“**.
Galutinis pasirinkimas: pažiūrėkite į grafiką dešinėje.
- of → 33.7%
- that → 15.3%
- where → 9.4%
Galiausiai AI pasirenka didžiausią tikimybę turintį **„of“** ir užbaigia sakinį „Paris is the city of...“. Kartodamas šį procesą dešimtis tūkstančių kartų, jis sukuria ilgus atsakymus, kuriuos matome.
Taigi AI žodžio įsiminimas reiškia ne raidžių išmokimą mintinai, o „adreso“ – vietos, kur tas žodis yra didžiuliame reikšmių žemėlapyje, – įsiminimą.
LLM galima išplėsti regėjimo, robotikos ir veiksmų mokymosi sritimis.
AI, kuris supranta reikšmę, mato ir supranta bei veikia.
Suteikti AI rankas ir kojas reiškia išplėsti jo intelektą nuo kalbos iki suvokimo ir dar toliau – iki veiksmų.
AI jau nebėra idėjų ar vaizduotės sritis – jis įžengė į įgyvendinimo ir realaus pasaulio etapą.
Kitas CLEVI žingsnis
CLEVI ir toliau planuoja plėsti įvairias galimybes, tokias kaip seminarai universitete ir už jo ribų, praktiniai projektai bei patyriminiai stendai, kad dar daugiau žmonių galėtų tiesiogiai patirti, kaip AI technologijos veikia realiame pasaulyje.
Kaip šios paskaitos Džonbuk nacionaliniame universitete tapo brangiu tiltu, jungiančiu studentus ir mus, taip ir toliau atliksime tilto vaidmenį tarp technologų ir naudotojų, akademinės bendruomenės ir pramonės.