ಎಲ್ಲಾ ಬುದ್ಧಿಮಾಂಡಿತ ಜೀವಿಗಳು ಏನ್ ಹಂಚಿಕೊಳ್ಳುತ್ತವೆ?ಯಾಂ ಲೆಕ್ಯೂನ್, ಮೆಟಾದ ಮುಖ್ಯ AI ವಿಜ್ಞಾನಿ ಅವರ ಪ್ರಕಾರ, ನಾಲ್ಕು ಪ್ರಮುಖ ಲಕ್ಷಣಗಳಿವೆ. ಈ ವರ್ಷದ ಮೊದಲಾರ್ಧದಲ್ಲಿ ಪ್ಯಾರಿಸ್‌ನ AI ಕಾರ್ಯಾಚರಣೆ ಶೃಂಗೇರಿಯಲ್ಲಿ ರಾಜಕೀಯ ನಾಯಕರು ಮತ್ತು AI ತಜ್ಞರು AI ಅಭಿವೃದ್ಧಿಯ ಕುರಿತು ಚರ್ಚಿಸಿದರು. ಆ ಸಂದರ್ಭದಲ್ಲಿ, ಲೆಕ್ಯೂನ್ ತಮ್ಮ ಮೂಲಭೂತ ಬುದ್ಧಿವಂತಿಕೆಯ ವ್ಯಾಖ್ಯಾನವನ್ನು IBMನ AI ನಾಯಕ ಆಂಟೋನಿ ಆಣ್ಣುನ್ಜಿಯಟಾ ಅವರನ್ನು ಕೊಡ Uncle ಮಾಡಿದರು. “ಬುದ್ದಿಮಾಂಡಿತ ವರ್ತನೆಯ ಮೂರು ಅಗತ್ಯ ಲಕ್ಷಣಗಳು ಇವೆ, ಪ್ರತಿ ಪ್ರಾಣಿಯಾಗಿ—ಅಥವಾ ತಕ್ಕ ರೀತಿಯ ಬುದ್ಧಿವಂತ ಪ್ರಾಣಿ—and ಖಚಿತವಾಗಿ ಮಾನವರಿಗೆ possessed, ” ಅವನು ವಿವರಿಸಿದನು. “ಇವುಗಳನ್ನು ಒಳಗೊಂಡಿವೆ ಭೌತಿಕ ಜಗತ್ತನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು, ಸ್ಥಿತಿವಂತಿಕೆಯ ನೆನಪನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವುದು, ತಾರ್ಕಿಕವಾಗಿ ಯೋಚಿಸುವ ಶಕ್ತಿ, ಮತ್ತು ಯೋಜನೆ ಮಾಡುವ, ವಿಶೇಷವಾಗಿ ಸಂಕೀರ್ಣ ಕ್ರಿಯೆಗಳನ್ನು ಹಿರಾರ್ಖಿಕಲ್ ಪ್ಲಾನಿಂಗ್ ಮೂಲಕ ನಿರ್ವಹಿಸುವ ಸಾಮರ್ಥ್ಯ. ” ಲೆಕ್ಯೂನ್ ಗಮನಾರ್ಹವಾಗಿ ಅಂದಾಜಿಸಿದ್ದಾರೆ ಎಐ, ವಿಶೇಷವಾಗಿ ದೊಡ್ಡ ಭಾಷಣ ಮಾದರಿಗಳು, ಈ ಮಟ್ಟವನ್ನು ಇನ್ನೂ ತಲುಪಿಲ್ಲ ಎಂದು ಮತ್ತು ಇವುಗಳಿಗೆ ಈ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ინტಿಗ್ರೇಟ್ ಮಾಡುವುದರಲ್ಲಿ ತರಬೇತಿ ವಿಧಾನಗಳಲ್ಲಿ ಬದಲಾಗಬೇಕಾಗುತ್ತದೆ. ಇದ್ರಿಂದಲಾಗಿ, ಅನೇಕ ಪ್ರಮುಖ ತಂತ್ರಜ್ಞಾನದ ಕಂಪನಿಗಳು ಪ್ರಸ್ತುತ ಹೊಸ ಸಾಧ್ಯತೆಗಳನ್ನು ಇದ್ದ ಮಾದರಿಗಳನ್ನು ಅಂಟಿಕೊಂಡು ಆ ಕಾರ್ಯಕ್ಷಮತೆಗಳನ್ನು ಹೆಚ್ಚಿಸುವ ಚಟುವಟಿಕೆಯಲ್ಲಿ ಇದ್ದಾರೆ. “ಭೌತಿಕ ಜಗತ್ತನ್ನ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ನೀವೇನು ತೀಕ್ಷ್ಣ ದೃಷ್ಠಿ ವ್ಯವಸ್ಥೆಯನ್ನು ತರಬೇತಿಗೊಳಿಸಿ, ನಂತರ ಅದನ್ನು ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗೇರ್ಪಡಿಸುತ್ತೀರಿ. ನೆನಪಿಗಾಗಿ, ನೀವು ರಿಟ್ರೀವಲ್ ಅಗ್ಗ್ಮೆಂಟೆಡ್ ಜನರೆಷನ್ (RAG) ಬಳಸುತಿ, associado ನೆನಪು ಸೇರಿಸಿ, ಅಥವಾ ಸರಳವಾಗಿ ಮಾದರಿಯನ್ನು ಮಿತಿಮೀರಿ, ” ಎಂದು ಅವನು ಹೇಳಿದನು.

(RAG ಎಂಬುದು ಮೆಟಾದಿಂದ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ತಂತ್ರಜ್ಞಾನ, ಅದು ಬಾಹ್ಯ ಜ್ಞಾನ ಮೂಲಗಳನ್ನು ಒಳಗೊಂಡು ದೊಡ್ಡ ಭಾಷೆ ಮಾದರಿಗಳನ್ನು ಸುಧಾರಿಸುತ್ತದೆ. ) ತದ್ವಾರೆ, ಲೆಕ್ಯೂನ್ ಇಶ್ತರದ ಜಹೀರಿಸಿದ್ದಾರೆ ಆ ಎಲ್ಲಾ ಪ್ರಯತ್ನಗಳನ್ನು ಆಪಾತಕಾಲಿಕ “ಹ್ಯಾಕ್” ಎಂದು. ಅವರು ವಿಶ್ವಾಧಾರಿತ ಮಾದರಿಗಳನ್ನು ಆಧಾರಿತ ಮಾಡಿಕೊಂಡು ಕಲಿಸುವ ಪರ್ಯಾಯ ವಿಧಾನವನ್ನು ತಲೆ ಸೇರಿದಂತೆ ಚರ್ಚಿಸಿದ್ದಾರೆ, ಇವುಗಳನ್ನು ವಾಸ್ತವಿಕ ಜಗತ್ತಿನ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ ಮತ್ತು ವಿಶೇಷವಾಗಿ ಪೃಥ್ವಿ ಹೊತ್ತೆತಪ್ಪುವ ತರಬೇತಿಯು ಹೆಚ್ಚಿನ ಬುದ್ಧಿವಂತಿಕೆಯ ಸಾಮರ್ಥ್ಯ ತೋರಿಸುತ್ತದೆ. ಆನ್ ಅವರೊಂದಿಗೆ ಚರ್ಚೆಯ ವೇಳೆ, ಲೆಕ್ಯೂನ್ ಇಂಥ ಕಲ್ಪನೆಗಳನ್ನು ವಿಸ್ತಾರವಾಗಿ ವಿವರಿಸಿದರು. “ನೀವು ಒಂದು ನಿರ್ದಿಷ್ಟ ಸಮಯ T ನಲ್ಲಿ ಜಗತ್ತಿನ ಸ್ಥಿತಿಯನ್ನು ತಿಳಿದುಕೊಂಡು ಆರಂಭಿಸಿ, ಒಂದು ಕ್ರಿಯೆಯನ್ನು ಕಲ್ಪಿಸಿ, ಆ ನಂತರ ಜಗತ್ತಿನ ಮಾದರಿ ಆ ಕ್ರಿಯೆಗೆ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿ ಜಾಗತಿಕ ಸ್ಥಿತಿಯನ್ನು ಹೇಗೆ ಬದಲಾಯಿಸುತ್ತದೆ ಎಂದು ಊಹಿಸುತ್ತದೆ, ” ಎಂದು ಅವನು ವಿವರಿಸಿದನು. ಆದರೆ, ಜಗತ್ತು ಅಸಂಖ್ಯಾತ ಅಪ್ರತീക്ഷಿತ ಆವಶಕ್ತಿಗಳ ಮೂಲಕ ಚಲಿಸುತ್ತದೆ, ಇಂತಹ ಮಾದರಿಗಳನ್ನು ತರಬೇತಿಗೆ ಮಾತ್ರ ಸಾಧ್ಯವಿಲ್ಲ, ಅದು ಪರಿಣಾಮವಾಗಿ ಅವುಗಳ ಸಾಂಪ್ರದಾಯಿಕ ತತ್ವಾತ್ಮಕತೆ ಆವರಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚು ಶಕ್ತಿಶಾಲಿಯಾಗಬೇಕು. ಮೆಟಾ ಈ ಅವಧಾನವನ್ನು V-JEPA ಎಂಬ ಮಾದರಿಯೊಂದಿಗೆ ಅನ್ವೇಷಿಸುತ್ತಿದ್ದು, ಇದು ಸಾರ್ವಜನಿಕವಾಗಿ ಫೆಬ್ರವರಿಯಲ್ಲಿ ಬಿಡುಗಡೆಗೊಂಡಿತು. ಇದನ್ನು ಮೀಸು-ಸೃಷ್ಟನಾ ಮಾದರಿ ಎಂದು ವರಣ ಮಾಡಲಾಗಿದ್ದು, ವಿಡಿಯೋಗಳಲ್ಲಿ ಹಂಚಿಕೊಂಡ ಭಾಗಗಳು ಅಥವಾ ಮುಚ್ಚಿದ ಭಾಗಗಳನ್ನು ಊಹಿಸುವ ಮೂಲಕ ಕಲಿಯುತ್ತದೆ. “ಪ್ರಮುಖ ਵਿਚಾರವೆಂದರೆ ನೀವು ಪಿಕ್ಸೆಲ್ ಮಟ್ಟದಲ್ಲಿ ನೇರವಾಗಿ ಊಹಿಸುವುದಿಲ್ಲ. ಬದಲಾಗಿ, ನೀವು ವಿಡಿಯೋವನ್ನು ಒಂದು ಸಾರಾಂಶಾತ್ಮಕ ಪ್ರತೀಮೆಯನ್ನು ಆಧರಿಸಿ ಕಾರ್ಯ ನಿರ್ವಹಿಸುವ ವ್ಯವಸ್ಥೆಯನ್ನ ತರಬೇತಿ ನೀಡುತ್ತೀರಿ, ಇದು ಆ ನಿರೂಪಣೆಯಲ್ಲಿ ಊಹೆ ಮಾಡುವಂತೆ ಮಾಡುತ್ತದೆ. ಅತ್ಯುತ್ತಮವಾಗಿ, ಈ ಪ್ರತೀಮೆಯು ಅಪ್ರತೀಕ್ಷಿತ ವಿವರಗಳನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿ ಬೇರೆಮಾತ್ರವಾಗುತ್ತದೆ, ” ಎಂದು ಲೆಕ್ಯೂನ್ ಹೇಳಿದ್ದಾರೆ. ಈ ವಿಧಾನವು ರಾಸಾಯನಿಕ ವಿಸ್ಥಾರದ ತಳಮಳವನ್ನು ಸ್ಥಾಪಿಸಿದ ರೀತಿಯನ್ನು ಸಮಾನವಾಗುತ್ತದೆ. “ನಾವು ಸಾರಾಂಶಗಳನ್ನು ಸೃಷ್ಟಿಸಿದೆವು: ಕಣಗಳು, ಅವುಗಳ ಮೇಲೆ ಆಣುಗಳು, ನಂತರ ಅणುಗಳು, ಮತ್ತು ಇಡುವ ಮೂಲಕ ವಸ್ತುಗಳು, ” ಎಂದು ಅವರು ಹೇಳಿದರು. “ಪ್ರತಿ ಮançaisು ಮೇಲಕ್ಕೆ ಏರುತ್ತಲೇ lower ಹಂತಗಳಲ್ಲಿನ ಅನವಶ್ಯಕ ಮಾಹಿತಿಗಳನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿ жұмыс ಮಾಡುತ್ತದೆ, ಕಾರ್ಯದ ಕಾಂಟೆಕ್ಸ್ಟ್ ಮೇಲೆ ನಿರ್ಧರಿಸಿ. ” ಸಾರಾಂಶವಾಗಿ, ನಾವು ಭೌತಿಕ ಜಗತ್ತನ್ನು ಹಿರಾರ್ಖಿಗಳನ್ನು ನಿರ್ಮಿಸಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ, ಇದು ಬುದ್ದಿಮಾಂಡಿತದ ಮೂಲಭೂತ ಅಂಶವಾಗಿದೆ.