🤖 Hallo, hier is CLEVI.
Van 20 tot en met 22 januari waren we aanwezig bij het evenement 「2025 JBNU Research Fair Week」, georganiseerd door de Jeonbuk National University.
Dit evenement was een betekenisvolle gelegenheid waarop, vanuit de uitstekende onderzoeksresultaten van de Jeonbuk National University, de richting van toekomstige technologieën in samenhang met industriële en nationale strategieën werd gepresenteerd en een platform voor uitwisseling tussen de academische wereld, de industrie, onderzoeksinstellingen en de overheid werd gecreëerd.
In het bijzonder was de CEO van CLEVI, Hwanho Lee, uitgenodigd als VIP-spreker tijdens de openingsceremonie op de 20e! 👏
Laten we de sfeer van die dag opnieuw beleven!
Hier zien we CEO Hwanho Lee voordat het begon, terwijl hij zijn lezing voorbereidt. Je kunt zien hoe hij nadenkt over manieren om de lezing zo inhoudelijk en begrijpelijk mogelijk te maken.
Het evenement begon en de openingsceremonie ging van start.
Het evenement werd op indrukwekkende wijze geopend met een live kunstperformance die ter plekke werd voltooid door een student van de Jeonbuk National University.
Na de eerste keynote gaf onze CEO van CLEVI, Hwanho Lee, de tweede keynote met als onderwerp “Waarom heeft AI een fysiek medium nodig?”. Zullen we er kort naar kijken?
Op welke manier begrijpt AI eigenlijk de wereld,
maakt het zinnen en komt het zelfs tot handelen?
We nemen samen een kijkje in de 'hersenen' van grote taalmodellen (LLM's) zoals ChatGPT en Claude, die we dagelijks gebruiken, om te ontdekken volgens welk principe ze zinnen begrijpen en genereren.
- Een naamplaatje toevoegen (Token ID): AI beheert eerst alle woorden door aan elk woord een uniek nummer toe te kennen, zoals '5' of '8'.
- Een adres op de kaart markeren (Vector): Maar met alleen een nummer is de betekenis niet te achterhalen. Daarom krijgt elk woord een 'gedetailleerd adres (coördinaat)' dat uit honderden getallen bestaat.
- Buren zoeken: Woorden met een vergelijkbare betekenis (bijvoorbeeld 'the' en 'a') wonen op deze kaart dicht bij elkaar, als buren.
Hoe voorspelt AI dan het volgende woord?
Nu we de basisprincipes van gegevensverwerking begrijpen, bekijken we het volledige proces waarin deze getallen daadwerkelijk tot een zin worden gevormd. Stel dat we de invoer "Paris is the city..." hebben.
Tokenizer (in stukjes opdelen): De zin die we invoeren, wordt zoals eerder gezien via de tokenizer omgezet in getallen (Token ID). "Paris" wordt nummer 1652, "is" nummer 5... Zo werkt het.
LLM (een enorme rekenmachine): Deze bundels getallen gaan een enorme rekenmachine binnen, de LLM (het Bloom-model in de afbeelding). Hier wordt de context begrepen door middel van de eerder geleerde bewerkingen met 'vectoren'. Zo van: 'Ah, we hebben het nu over de stad Parijs!'
Logits & Softmax (waarschijnlijkheidsberekening): Nadat de berekening is voltooid, kent de AI scores toe aan tienduizenden woordkandidaten die hierna kunnen komen. Vervolgens zet een filter genaamd 'softmax' deze om in voor ons gemakkelijk te begrijpen **'waarschijnlijkheden'**.
Eindselectie: Kijk naar de grafiek aan de rechterkant.
- of → 33.7%
- that → 15.3%
- where → 9.4%
Uiteindelijk kiest de AI **'of'**, omdat dit de hoogste waarschijnlijkheid heeft, en maakt zo de zin "Paris is the city of..." verder af. Door dit proces tienduizenden keren te herhalen, wordt het lange antwoord gegenereerd dat wij zien.
Concluderend betekent het onthouden van een woord door AI niet dat de letters uit het hoofd worden geleerd, maar dat het 'adres' wordt onthouden van waar dat woord zich ongeveer bevindt op een enorme kaart van betekenissen.
LLM's kunnen worden uitgebreid met visie, robotica en gedragsleren.
AI die betekenis begrijpt, ziet en begrijpt, en handelt.
AI armen en benen geven betekent een uitbreiding van intelligentie: van taal naar waarneming en vervolgens naar handelen.
AI bevindt zich niet langer in het domein van ideeën of verbeelding, maar is de fase van implementatie en realiteit binnengegaan.
De volgende stap van CLEVI
CLEVI is van plan om ook in de toekomst verschillende mogelijkheden uit te breiden, zoals workshops binnen en buiten de campus, praktijkprojecten en ervaringsstands, zodat meer mensen zelf kunnen ervaren hoe AI-technologie in de echte wereld werkt.
Zoals de lezing aan de Jeonbuk National University deze keer een waardevolle brug vormde tussen de studenten en ons, zullen we ook in de toekomst onze rol als brug blijven vervullen tussen technici en gebruikers, en tussen de academische wereld en het bedrijfsleven.