🤖 नमस्कार, मी CLEVI.
20 ते 22 जानेवारीदरम्यान जिऑनबुक नॅशनल युनिव्हर्सिटीने आयोजित केलेल्या 「2025 JBNU रिसर्च फेअर वीक (Research Fair Week)」 या कार्यक्रमाला आम्ही भेट दिली.
जिऑनबुक नॅशनल युनिव्हर्सिटीच्या उत्कृष्ट संशोधन成果ांवर केंद्रित हा कार्यक्रम उद्योग आणि राष्ट्रीय धोरणांशी संबंधित भविष्यातील तंत्रज्ञानाची दिशा मांडणारा, तसेच उद्योग, शिक्षण, संशोधन आणि प्रशासन क्षेत्रांसाठी एकत्रित संवादाचे व्यासपीठ उपलब्ध करून देणारा अर्थपूर्ण उपक्रम होता.
विशेष म्हणजे, CLEVIचे प्रतिनिधी ली ह्वान-हो यांना 20 तारखेला झालेल्या उद्घाटन समारंभासाठी VIP व्याख्याते म्हणून आमंत्रित करण्यात आले होते! 👏
चला, त्या दिवसाचे वातावरण पुन्हा एकदा अनुभवूया!
सुरुवात होण्यापूर्वी ली ह्वान-हो प्रतिनिधी व्याख्यानाची तयारी करताना दिसत आहेत. व्याख्यान अधिक उपयुक्त आणि सोपे कसे करावे याचा ते विचार करत असल्याचे दिसते.
कार्यक्रम सुरू झाला आणि उद्घाटन समारंभ पार पडला.
सर्वप्रथम, जिऑनबुक नॅशनल युनिव्हर्सिटीच्या एका विद्यार्थ्याने तात्काळ साकारलेल्या लाइव्ह आर्ट परफॉर्मन्सने कार्यक्रमाची शानदार सुरुवात झाली.
पहिल्या मुख्य व्याख्यानानंतर, “AI ला भौतिक माध्यमाची गरज का असते?” या विषयावर आमचे CLEVIचे प्रतिनिधी ली ह्वान-हो यांनी दुसरे मुख्य व्याख्यान दिले. चला, थोडक्यात पाहूया!
AI अखेर जग कशा प्रकारे समजून घेतो,
वाक्ये तयार करतो आणि अगदी कृतीही करतो?
आपण दररोज वापरत असलेल्या ChatGPT किंवा Claude सारखी मोठी भाषा मॉडेल्स (LLM) नेमक्या कोणत्या तत्त्वांवर वाक्ये समजून घेतात आणि तयार करतात, हे त्यांच्या 'मेंदूच्या' आत डोकावून एकत्र पाहूया.
- नावाची पाटी लावणे (Token ID): AI प्रथम प्रत्येक शब्दाला '5', '8' यांसारखा एक अद्वितीय क्रमांक देऊन त्याचे व्यवस्थापन करतो.
- नकाशावर पत्ता चिन्हांकित करणे (Vector): मात्र केवळ साध्या क्रमांकावरून अर्थ समजत नाही. म्हणून प्रत्येक शब्दाला शेकडो संख्यांनी बनलेला 'तपशीलवार पत्ता (निर्देशांक)' दिला जातो.
- शेजारी शोधणे: समान अर्थ असलेले शब्द (उदा. 'the', 'a') या नकाशावर एकमेकांच्या अगदी जवळ, 'शेजाऱ्यां'प्रमाणे एकत्र राहतात.
मग AI पुढील शब्दाचा अंदाज कसा लावतो?
मूलभूत डेटा रूपांतरण समजून घेतल्यानंतर, आता हे अंक प्रत्यक्ष वाक्यांमध्ये कसे रूपांतरित होतात, ही संपूर्ण प्रक्रिया पाहूया. समजा, आपल्याकडे "Paris is the city..." हे इनपुट आहे.
Tokenizer (तुकडे करणे): आपण इनपुट केलेली वाक्ये, आधी पाहिल्याप्रमाणे, टोकेनायझरद्वारे संख्यांमध्ये (Token ID) रूपांतरित केली जातात. "Paris" हा 1652 क्रमांकाचा, "is" हा 5 क्रमांकाचा... अशा प्रकारे.
LLM (प्रचंड गणक): संख्यांचे हे समूह LLM (चित्रातील Bloom मॉडेल) नावाच्या प्रचंड गणकामध्ये प्रवेश करतात. येथे आपण आधी शिकलेली 'व्हेक्टर' गणना वापरून संदर्भ समजून घेतला जातो. 'अरे, आपण सध्या पॅरिस या शहराबद्दल बोलत आहोत!' असे समजा.
Logits & Softmax (संभाव्यता गणना): गणना पूर्ण केल्यानंतर AI पुढे येऊ शकणाऱ्या हजारो शब्दांच्या उमेदवारांना गुण देतो. त्यानंतर 'सॉफ्टमॅक्स' नावाच्या फिल्टरद्वारे हे आपल्याला समजण्यास सोप्या **'संभाव्यते'**मध्ये रूपांतरित केले जाते.
अंतिम निवड: उजवीकडील आलेख पाहा.
- of → 33.7%
- that → 15.3%
- where → 9.4%
शेवटी AI सर्वाधिक संभाव्यता असलेला **'of'** निवडतो आणि "Paris is the city of..." हे वाक्य पूर्ण करत जातो. ही प्रक्रिया हजारो वेळा पुन्हा करून आपण पाहत असलेली दीर्घ उत्तरे तयार केली जातात.
थोडक्यात, AI साठी एखादा शब्द लक्षात ठेवणे म्हणजे अक्षरे पाठ करणे नव्हे, तर अर्थाच्या विशाल नकाशावर तो शब्द कुठे वसलेला आहे याचा 'पत्ता' लक्षात ठेवणे होय.
LLM ला दृष्टी, रोबोटिक्स आणि वर्तनात्मक शिक्षणापर्यंत विस्तारता येते.
अर्थ समजून घेणारी, पाहून समजून घेणारी आणि कृती करणारी AI.
AI ला हात-पाय देणे म्हणजे भाषेपासून आकलनाकडे आणि त्यापुढे कृतीकडे जाणाऱ्या बुद्धिमत्तेचा विस्तार होय.
AI आता केवळ कल्पना किंवा सर्जनशील विचारांचे क्षेत्र राहिलेले नाही, तर अंमलबजावणी आणि वास्तवाच्या टप्प्यात प्रवेशले आहे.
क्लेव्हीचे पुढचे पाऊल
क्लेव्ही भविष्यातही अधिकाधिक लोकांना AI तंत्रज्ञान वास्तविक जगात कसे कार्य करते याचा प्रत्यक्ष अनुभव घेता यावा यासाठी, कॅम्पसच्या आत आणि बाहेर कार्यशाळा, प्रात्यक्षिक प्रकल्प, अनुभव केंद्रे यांसारख्या विविध संधींचा विस्तार करण्याची योजना आखत आहे.
या जिओनबुक नॅशनल युनिव्हर्सिटीमधील व्याख्यानाने विद्यार्थी आणि आम्हाला जोडणारा एक मौल्यवान पूल निर्माण केला आहे; त्याचप्रमाणे भविष्यातही तंत्रज्ञ आणि वापरकर्ते, तसेच शैक्षणिक आणि औद्योगिक क्षेत्रांदरम्यान दुवा म्हणून आमची भूमिका सुरू ठेवू.