AI विचार | मूल, AI द्वारा अनुवादित
-
सत्य नडेला ने जेवन्स पैराडॉक्स का जिक्र किया। इसे सीखना उपयोगी है।
-
यिन वांग: आर्टिफिशियल इंटेलिजेंस में कोई “इंटेलिजेंस” नहीं है, न्यूरल नेटवर्क में कोई “न्यूरल” नहीं है, मशीन लर्निंग में कोई “लर्निंग” नहीं है, और डीप लर्निंग में कोई “डेप्थ” नहीं है। डीप लर्निंग में कोई “गहराई” नहीं है। इस क्षेत्र में जो वास्तव में काम करता है उसे “कैलकुलस” कहा जाता है। इसलिए मैं इस क्षेत्र को “डिफरेंशिएबल कंप्यूटिंग” कहना पसंद करता हूँ, और मॉडल बनाने की प्रक्रिया को “डिफरेंशिएबल प्रोग्रामिंग” कहता हूँ।
-
यिन वांग: मशीन लर्निंग वास्तव में उपयोगी है, इसे सुंदर सिद्धांत भी कहा जा सकता है, क्योंकि यह बस कैलकुलस का एक नया रूप है! यह न्यूटन और लाइबनिट्स का पुराना और महान सिद्धांत है, लेकिन एक सरल, सुंदर और शक्तिशाली रूप में। मशीन लर्निंग मूल रूप से कैलकुलस का उपयोग करके कुछ फंक्शन्स को डेरिवेट और फिट करने का तरीका है, और डीप लर्निंग अधिक जटिल फंक्शन्स को फिट करने का तरीका है।
-
वर्तमान में, बड़े भाषा मॉडल YAML या Python जैसी फाइल भाषाओं द्वारा फिल्टर नहीं कर सकते। हालांकि, वास्तविक दुनिया में जानकारी का एक बड़ा हिस्सा इसी तरह व्यवस्थित होता है। इसका मतलब है कि हम बड़े भाषा मॉडल को फाइलों का उपयोग करके प्रशिक्षित कर सकते हैं।
-
बड़े भाषा मॉडल को प्रशिक्षित करने के लिए, हम एक ऐसी प्रणाली विकसित कर सकते हैं जो सटीक मिलान ढूंढती है। शायद हम KMP (Knuth-Morris-Pratt) खोज एल्गोरिदम को ट्रांसफॉर्मर आर्किटेक्चर के साथ जोड़कर खोज क्षमताओं को बढ़ा सकते हैं।
-
कोई तकनीकी रहस्य नहीं हैं। ओपन सोर्स सभी गहरे रहस्यों को उजागर कर देगा।
-
AI कई टूल्स को प्रभावित करेगा, जिसमें अप्रत्यक्ष टूल्स भी शामिल हैं। लोग कहते हैं कि उन्हें प्रोटोटाइप बनाने के लिए Figma की जरूरत नहीं होगी, वे सीधे कोड पर जाएंगे। मुझे लगता है कि Postman भी ऐसा ही होगा; लोग सीधे Python या अन्य स्क्रिप्ट्स का उपयोग करके API को कॉल या टेस्ट करेंगे।
-
AI युग में हम Postman या Figma का उपयोग नहीं करने का एक कारण यह है कि उनकी कार्यक्षमता को टेक्स्ट के माध्यम से जनरेट नहीं किया जा सकता। उनमें कमांड + K शॉर्टकट भी नहीं है जो कंपोनेंट रिप्लेसमेंट को ट्रिगर कर सके।
-
AI युग में यूजर इंटरफेस एक बाधा बन रहे हैं। जब हम सीधे Python के requests लाइब्रेरी या अन्य प्रोग्रामिंग भाषाओं का उपयोग करके कोड को टेस्ट कर सकते हैं, तो Postman को AI-संचालित बनाने की आवश्यकता क्यों है, क्योंकि बाद वाला AI द्वारा संचालित होगा?
-
जब कोड-आधारित UI जनरेशन, AI द्वारा संवर्धित, एक सीधा और संभावित रूप से शक्तिशाली दृष्टिकोण प्रदान करता है, तो Figma को UI बनाने के लिए AI-संचालित बनाने की आवश्यकता क्यों है?
-
LLM पहले टेक्स्ट-संबंधित एप्लिकेशन्स को बदलेंगे, जैसे Google, सर्च इंजन, टेक्स्ट एडिटर्स और राइटिंग टूल्स, Quizlet, Zendesk, DeepL, Medium, WordPress, Trello, Asana, Gmail, GitHub, Goodreads, Duolingo, और Feedly।
-
इसके विपरीत, LLM Git, Linux, ffmpeg, मोबाइल फोन, हार्डवेयर, ब्राउज़र, ऑपरेटिंग सिस्टम, या वॉयस और वीडियो कॉल जैसी तकनीकों में क्रांति लाने की संभावना नहीं रखते। ये तकनीकें कोड-केंद्रित हैं, और उनका कोड AI द्वारा आसानी से जनरेट नहीं किया जा सकता, जैसे कि Postman जैसे API टेस्टिंग टूल्स।
-
अधिक कोड वाली तकनीकों को AI द्वारा क्रांतिकारी बनाना मुश्किल है, जैसे OpenOffice, MySQL, Mozilla Firefox, Chromium, VLC Media Player, Qt Framework, LLVM/Clang, और GNOME। यदि AI इन तकनीकों को बनाने में मदद कर सकता, तो उन्हें प्रतिस्थापित नहीं किया जाएगा। AI को बेहतर तकनीकें बनाने में मदद करनी चाहिए, और ऐसा करने के लिए, AI को समान मात्रा में कोड जनरेट करने के लिए अधिक कंप्यूटिंग पावर की आवश्यकता होगी।
-
LLM दो तरीकों से परिवर्तन ला सकते हैं: पहला, किसी प्लेटफॉर्म या सॉफ्टवेयर के भीतर सामग्री या डेटा को बदलकर, जैसे TikTok जैसे ऐप्स में सामग्री अनुवाद; दूसरा, सीधे कुछ सॉफ्टवेयर या प्लेटफॉर्म को प्रतिस्थापित करके, जैसे Postman या Google सर्च, जिसमें Google ट्रांसलेट भी शामिल है।
-
AI ऑडियो टूल्स दो तरीकों से परिवर्तन ला सकते हैं: पहला, किसी प्लेटफॉर्म या सॉफ्टवेयर के भीतर सामग्री या डेटा को बदलकर, जैसे Audiable के लिए ऑडियो बुक्स जनरेट करना; दूसरा, सीधे कुछ सॉफ्टवेयर या प्लेटफॉर्म को प्रतिस्थापित करके, उदाहरण के लिए, Sing songs ऐप, क्योंकि AI अब वही कार्य कर सकता है जो इंसान करते हैं, जिससे लोगों के लिए गाने गाना एक शौक के रूप में आसान हो जाता है।
-
AI के वर्तमान सॉफ्टवेयर या प्लेटफॉर्म पर प्रभाव को मापने के कई तरीके हैं। एक तरीका यह मापना है कि AI द्वारा कितना डेटा या सामग्री जनरेट या सुधारी जा सकती है, आंशिक रूप से या पूरी तरह से। दूसरा तरीका यह मापना है कि AI द्वारा कितना कोड लिखा या सुधारा जा सकता है, आंशिक रूप से या पूरी तरह से। इसका मतलब है कि हम AI द्वारा जनरेट की गई चीजों का उपयोग करके वर्तमान प्लेटफॉर्म को सुधारते हैं। इसके अलावा, AI नए सॉफ्टवेयर और प्लेटफॉर्म का आविष्कार करने में मदद कर सकता है।
-
तीन प्रकार के उत्पाद हैं: जनरेटिव AI उत्पाद, वे उत्पाद जो जनरेटिव AI उत्पादों के API का उपयोग करते हैं, और अन्य उत्पाद।
-
एक उत्पाद विचार यह है कि AI का उपयोग करके Reddit, GitHub Trending, Twitter Trending, Quora Trending, और Zhihu Trending जैसे सोशल प्लेटफॉर्म से रियल-टाइम जानकारी, समाचार, या अपडेट को संचित किया जाए। उपयोगकर्ता प्रॉम्प्ट का उपयोग करके फीड को कस्टमाइज़ कर सकते हैं या विशिष्ट सोशल अकाउंट्स को भी जोड़ सकते हैं।
-
डेटा के पांच महत्वपूर्ण प्रकार हैं: टेक्स्ट, इमेज, ऑडियो, वीडियो, और कोड।
-
अन्य महत्वपूर्ण डेटा प्रकारों में संख्यात्मक, जियोस्पेशियल, बायोमेट्रिक, सेंसर, ट्रांजैक्शनल, मेटाडेटा, टाइम-सीरीज, स्ट्रक्चर्ड, अनस्ट्रक्चर्ड, सेमी-स्ट्रक्चर्ड, हेल्थ, एनवायरनमेंटल, लॉग, नेटवर्क, और बिहेवियरल डेटा शामिल हैं।
-
Google अभी भी वेबसाइट इंडेक्सिंग के लिए बेहतर है, खासकर यदि आप किसी विशिष्ट साइट से सॉफ्टवेयर या डॉक्यूमेंट डाउनलोड करना चाहते हैं। यह एक डोमेन सर्च की तरह काम करता है। आप इसका उपयोग जानकारी ढूंढने के लिए नहीं, बल्कि अन्य साइट्स पर नेविगेट करने के लिए करते हैं ताकि कार्य कर सकें। एक LLM के पास नवीनतम डाउनलोड लिंक नहीं हो सकते।
-
Google एक डोमेन सर्च की तरह काम करता है; यदि आप Maven रिपॉजिटरी साइट पर जाकर नवीनतम वर्जन चेक करना चाहते हैं, तो आप इसका उपयोग कर सकते हैं।
-
Google इमेज सर्च के लिए अभी भी उपयोगी है, जबकि LLM टेक्स्ट जनरेशन में बेहतर हैं। फिर भी, लोग हार्डवेयर विवरण, डाइमेंशन, ऑब्जेक्ट के आकार, या किसी व्यक्ति के रूप को सत्यापित करने के लिए वास्तविक इमेज को प्राथमिकता देते हैं।
-
AI चैटबॉट्स लोकप्रिय हैं क्योंकि टेक्स्ट को प्रोसेस करना इमेज की तुलना में कठिन है। लोग AI द्वारा जनरेट की गई इमेज की तुलना में वास्तविक इमेज को पसंद करते हैं क्योंकि इमेज को एक नजर में समझना आसान होता है। हालांकि, AI इमेज जनरेशन में अभी भी अप्रयुक्त क्षमता है - उपयोगकर्ता AI से अलग-अलग एंगल दिखाने, चेहरे पर जूम करने, या सर्किट बोर्ड के विवरण को बड़ा करने के लिए कह सकते हैं। चूंकि लोग मुख्य रूप से टेक्स्ट के साथ काम करते हैं न कि इमेज के साथ, AI इमेज टूल्स में विकास की भारी संभावना है।
-
AI अवधारणाओं को समझाने और समझ को सुगम बनाने में उत्कृष्ट है। इसके अलावा, उपयोगकर्ता किसी भी विशिष्ट विवरण के संबंध में प्रश्न पूछ सकते हैं। यह संभवतः AI टूल्स का सबसे महत्वपूर्ण उपयोगिता है।
-
मैंने AI का उपयोग करके लार्ज लैंग्वेज मॉडल्स के बारे में सीखा। जिस पल इसने मुझे K, Q, और V को समझने में मदद की, वह अद्भुत था।
-
LLM के रिलीज के बाद से मैं Ubuntu का उपयोग करना पसंद करता हूँ, क्योंकि macOS के रंगीन और समृद्ध ऐप्स मेरे लिए कम आकर्षक हैं। मैं अपने प्रोग्राम लिखना और टर्मिनल और टेक्स्ट के माध्यम से सब कुछ करना पसंद करता हूँ।
-
AI का मूल्यांकन इस आधार पर किया जा सकता है कि यह pom.xml या requirements.txt फाइल को नवीनतम वर्जन में अपडेट करने, लाइब्रेरीज़ को अपडेट करने, और चेक्स करने में कितना सक्षम है। इस प्रक्रिया में काफी मात्रा में काम शामिल हो सकता है और कभी-कभी यह जटिल भी हो सकता है।
-
AI युग में, प्रोग्रामिंग भाषाएँ जिनमें बेहतर प्रदर्शन और मजबूती होती है, अधिक महत्वपूर्ण होती हैं और अधिक लोकप्रिय होंगी, जबकि सिंटैक्स कम महत्वपूर्ण होता है। ऐसा इसलिए है क्योंकि LLM कोड जनरेट करने में मदद करेगा, जिससे यह कम परेशानी वाला हो जाता है जब तक कि प्रोग्राम अच्छी तरह