आजच्या उच्च तंत्रज्ञानाच्या जगात, तुम्ही आर्टिफिशियल इंटेलिजन्स (AI) बद्दल बरेच काही ऐकले असेल. तुमच्या स्मार्टफोनच्या व्हॉइस असिस्टंटपासून ते सेल्फ-ड्रायव्हींग कारपर्यंत हे सर्वत्र आहे. पण AI नक्की काय बनते आणि हे घटक एकत्र कसे काम करतात? या लेखात, आपण AI चे मुख्य घटक साधी सरळ उदाहरणे वापरून समजून घेणार आहोत.
कल्पना करा की तुमच्याकडे मॅक्स नावाचा एक ४ ५ महीन्याचा एक कुत्रा आहे. त्याला तुम्हाला काही ट्रिक शिकवायच्या आहेत. मॅक्सचा मेंदू ला AI समजा ज्याचं काहीही ट्रैनिंग झालेलं नाही. जेव्हा AI ला शिकवणे सुरु केले जाते तेव्हा तो अश्याच स्थितीत असतो.
आता या आपल्या मॅक्सला शिकवणे सुरु करण्या आधी आपल्याला मॅक्स बद्दल आणि त्याला काय शिकवायचे याच्याबद्दल काही माहिती गोळा करणे आवश्यक आहे. यालाच डेटा (data) असा म्हणतात. हा डेटा काह्ही असू शकतो. जसा की, मॅक्सचे वय काय आहे, त्याची उंची किती आहे, त्याची कोणती जात आहे वगैरे वगैरे. ही झाली मॅक्स बद्दलची माहिती. आता मॅक्सला आपल्या जे शिकवायचे आहे त्या बद्दलची माहिती का असेल? ती म्हणजे, आपण त्याला ज्या कंमांड्स शिकवणार, त्या कंमंड्स काय असतील. आणि त्या कमांड आपण दिल्या नंतर त्यांनी काय केले पाहीजे. उदाहरणार्थ, आपण "मॅक्स बस" असा सांगितल्यावर मॅक्स जमिनीवर बसला पाहीजे. "मॅक्स बाहेर जा" म्हणलं तर तो घटून बाहेर गेला पाहीजे. हा झाला मॅक्सला काय शिकवायचे याचा डेटा.
अल्गोरिदम:
हे सगळे आपल्याला मॅक्स ला काही ठरविक पद्धतीने शिकवावे लागेल. हीच पद्धत म्हणजे अल्गोरिदम. (जसा कि काही पदार्थ बनवायची रेसिपी असते तसं). या मध्ये मॅक्स बद्दल चा सगळं डेटा आणि त्याला काय शिकवायचे याचा डेटा एकत्र करून काही ठराविक स्टेप ठरवल्या जातात आणि त्या प्रमाणे मॅक्स चा शिकवण सुरु केलं जातं. ही प्रोसेस पुन्हा पुन्हा केल्याने मॅक्स ला हे समजत कि याचा अर्थ नक्की काय होतो.
मॅक्स च्या या सगळ्या युक्त्या शिकवण्याची प्रोसेस ही AI ट्रैनिंग च्या प्रोसेस सारखीच आहे. "मॅक्स बस" ही कमांड शिकण्या करता मॅक्स ला खूप वेळ ती कमांड देऊन, ते करण्या साठी आपल्याला दाखवावे लागेल. कदाचित आपल्याच हाताने अनेकवेळा त्याला खाली बसवावे लागेल. तेव्हा त्याला समजेल कि नक्की करायचे काय आहे. आणि मग जेव्हा तो स्वतःहून कमांड फॉलो करेल तेव्हा आपण त्याला रिवॉर्ड म्हणून त्याच्या आवडीचे काहीतरी खायला देऊ. ही प्रोसेस अनेक वेळा रिपीट केल्या नंतर मॅक्स ला १००% समजेल कि "मॅक्स बस" असा आवाज आला कि काय करायचे असते.
AI ला सुद्धा याच प्रमाणे ट्रेन करावे लागते. जर तुम्हाला तुमचा AI ने, कुत्रा वर मांजरीचे फोटो वळावे असे वाटत असेल तर त्याला हजारो लाखो कुत्रा व मांजरीचे फोटो दाखवले जातात आणि सांगितले जाते कि कुत्रा कसा दिसतो आणि मांजर कशी दिसते. आणि या सगळ्या डेटा च्या आधाराने शिकून झाल्यावरच AI ला कुत्रा आणि मांजर हे नुसता फोटो बघून ओळखता येते.
तर मग आता तुम्हांला कोणत्याही AI ची capability पाहून हे समजून घेता येईल कि याला ट्रेन करायला कोणता डेटा गोळा करावा लागला असेल. ज्या AI ला एखाद्या पॅराग्राफचा सारांश चांगला करता येतो त्याला हजारो लाखो पॅराग्राफ आणि त्याचे सारांश दिले असतील ठेवा त्याला नक्की काय करायचे हे समजले.
मॉडेल:
आपण AI मॉडेल हे खूप वेळा ऐकले असेल. मग मॉडेल म्हणजे काय? तर जसा आपला मॅक्स आता "मॅक्स बस" या कमांडला फॉलो करायला शिकला, ती त्याची कॅपॅबिलिटी झाली. म्हणजे मॅक्स नावाच्या AI मॉडेल ची ती क्षमता झाली. प्रत्येक AI मॉडेल हे ठराविक क्षमतेनुसार काम करते. आणि त्याची क्षमता ही त्याला शिकवताना कोणता डेटा वापरला गेला यावर अवलंबून असते. तो डेटा जर खरा असेल तर AI बरोबर काम करू शकेल.
तर आपला मॅक्सचा मेंदू हे आता एक मॉडेल झाले ज्या दोन ते तीन वेगवेगळ्या कंमाडस फॉलो करता येतात.
एलएलएम (लार्ज लँग्वेज मॉडेल) आणि एनएलपी (नॅचरल लँग्वेज प्रोसेसिंग)
आपण या विषयावर असताना, दोन विशेष घटकांबद्दल बोलूया: LLM आणि NLP.
LLM (लार्ज लँग्वेज मॉडेल) - म्हणजेच एखादा तज्ज्ञ सल्लागार
मॅक्समध्ये तुम्हाला मदत करण्यासाठी कुत्रा प्रशिक्षण तज्ञ असण्याची कल्पना करा. हा तज्ञ मानवी भाषा समजू शकतो आणि तयार करू शकतो. तुम्ही Max नवीन युक्त्या शिकवण्यासाठी टिपा आणि सल्ला मागू शकता. एलएलएम हे तज्ञ असण्यासारखे आहे, जो मॅक्सचे प्रशिक्षण सुधारण्यासाठी माहिती शोधू शकतो.
NLP (नॅचरल लँग्वेज प्रोसेसिंग) - म्हणजेच मॅक्सचे नैसगिर्क भाषा ऐकण्याचे कौशल्य
NLP हे तुमच्या आज्ञा चांगल्या प्रकारे समजून घेण्याच्या मॅक्सच्या क्षमतेसारखे आहे. हे मॅक्सला तुमच्या शब्दांवर प्रक्रिया करण्यात आणि त्याचा अर्थ लावण्यास मदत करते, त्यामुळे तुम्हाला त्याने काय करायचे आहे हे त्याला कळते. जेव्हा तुम्ही म्हणता "मॅक्स, शेक!" किंवा "मॅक्स, बसा!" NLP मॅक्स तुमचा हेतू समजण्यास मदत करते.
तर, तुमच्याकडे ते आहे! एआय हे मॅक्सला नवीन युक्त्या शिकवण्यासारखे आहे परंतु संगणकासह. आपण AI ला बरीच माहिती दाखवतो, ती त्यातून शिकते, निर्णय घेते, सरावाने सुधारते आणि अनेक प्रकारे खूप उपयुक्त ठरू शकते. आणि, LLM आणि NLP सह, AI अधिक हुशार आणि अधिक उपयुक्त बनते, जसे एक तज्ञ सल्लागार आणि तुमची प्रत्येक आज्ञा समजून घेणारा कुत्रा.