🤖 Dzień dobry, tu CLEVI.
W dniach od 20 do 22 stycznia odwiedziliśmy wydarzenie „2025 JBNU Research Fair Week (Research Fair Week)” organizowane przez Uniwersytet Jeonbuk.
Było to znaczące wydarzenie, które koncentrowało się na wybitnych osiągnięciach badawczych Uniwersytetu Jeonbuk, przedstawiało kierunki rozwoju przyszłych technologii powiązanych ze strategiami przemysłowymi i krajowymi oraz tworzyło przestrzeń wymiany, w której wspólnie uczestniczyły środowiska akademickie, przemysł, instytuty badawcze i administracja.
W szczególności pan Hwan-ho Lee, CEO CLEVI, został zaproszony jako prelegent VIP podczas ceremonii otwarcia, która odbyła się 20 stycznia! 👏
Przeżyjmy jeszcze raz atmosferę tego dnia!
Tak wyglądał pan Hwan-ho Lee podczas przygotowań do wykładu przed rozpoczęciem wydarzenia. Widać, jak zastanawia się, jak uczynić wykład jeszcze bardziej treściwym i przystępnym.
Po rozpoczęciu wydarzenia odbyła się ceremonia otwarcia.
Wydarzenie zostało efektownie otwarte spontanicznym występem live art przygotowanym przez studenta Uniwersytetu Jeonbuk.
Po pierwszym wykładzie głównym pan Hwan-ho Lee, CEO CLEVI, wygłosił drugi wykład główny na temat „Dlaczego AI potrzebuje fizycznego nośnika”. Przyjrzyjmy się temu pokrótce.
W jaki sposób AI właściwie rozumie świat
tworzy zdania, a nawet podejmuje działania?
Chcemy wspólnie zajrzeć do „mózgu” dużych modeli językowych (LLM), takich jak ChatGPT czy Claude, których używamy na co dzień, aby zobaczyć, na jakiej zasadzie rozumieją i tworzą zdania.
- Nadawanie etykiet nazw (Token ID): AI najpierw przypisuje wszystkim słowom unikalne numery, takie jak „5” czy „8”, i zarządza nimi za ich pomocą.
- Wskazywanie adresu na mapie (Vector): Ponieważ jednak same numery nie pozwalają poznać znaczenia, każdemu słowu przypisuje się „szczegółowy adres (współrzędne)” składający się z setek liczb.
- Szukanie sąsiadów: Słowa o podobnym znaczeniu (np. „the” i „a”) skupiają się na tej mapie bardzo blisko siebie, niczym „sąsiedzi”.
Jak AI przewiduje kolejne słowo?
Skoro rozumiemy już podstawową transformację danych, przyjrzyjmy się teraz całemu procesowi, w którym te liczby stają się rzeczywistym zdaniem. Załóżmy, że mamy dane wejściowe „Paris is the city...”.
Tokenizer (dzielenie na fragmenty): Wprowadzone przez nas zdanie, jak widzieliśmy wcześniej, jest za pośrednictwem tokenizera zamieniane na liczby (Token ID). „Paris” to numer 1652, „is” to numer 5... i tak dalej.
LLM (ogromny kalkulator): Te zbiory liczb trafiają do ogromnego kalkulatora zwanego LLM (model Bloom przedstawiony na ilustracji). Dzięki poznanym wcześniej operacjom na „wektorach” rozpoznaje on kontekst. „Aha, rozmawiamy teraz o mieście Paryż!”
Logity i Softmax (obliczanie prawdopodobieństwa): Po zakończeniu obliczeń AI przyznaje oceny dziesiątkom tysięcy kandydatów na słowa, które mogą pojawić się jako następne. Następnie, za pośrednictwem filtra zwanego „softmax”, zamienia je na wygodne dla nas **„prawdopodobieństwa”**.
Ostateczny wybór: Spójrz na wykres po prawej stronie.
- of → 33,7%
- that → 15,3%
- where → 9,4%
Ostatecznie AI wybiera **„of”**, które ma najwyższe prawdopodobieństwo, i uzupełnia zdanie „Paris is the city of...”. Powtarzając ten proces dziesiątki tysięcy razy, tworzy długą odpowiedź, którą widzimy.
Podsumowując, zapamiętywanie słów przez AI nie polega na zapamiętywaniu liter, lecz na zapamiętaniu „adresu” wskazującego, gdzie dane słowo znajduje się na ogromnej mapie znaczeń.
LLM można rozszerzać o widzenie, robotykę i uczenie się zachowań.
AI, które rozumie znaczenie, widzi i rozumie oraz działa.
Nadanie AI rąk i nóg oznacza przejście od języka do percepcji, a następnie do działania — rozszerzenie inteligencji.
AI nie jest już obszarem pomysłów ani wyobraźni — wkroczyła w etap wdrażania i rzeczywistości.
Kolejny krok CLEVI
CLEVI planuje nadal poszerzać różnorodne możliwości, takie jak warsztaty na terenie uczelni i poza nią, projekty praktyczne oraz stoiska demonstracyjne, aby jeszcze więcej osób mogło osobiście doświadczyć, jak technologia AI działa w rzeczywistym świecie.
Tak jak wykład na Uniwersytecie Narodowym Chonbuk stał się cennym mostem łączącym studentów z nami, tak również w przyszłości będziemy pełnić rolę pomostu między technologami a użytkownikami oraz środowiskiem akademickim a przemysłem.