AI विचार
-
Satya Nadella ने Jevons paradox का जिक्र किया। इसे सीखने लायक है।
-
Yin Wang: कृत्रिम बुद्धिमत्ता में कोई “बुद्धिमत्ता” नहीं है, न ही न्यूरल नेटवर्क में कोई “न्यूरल” है, न ही मशीन लर्निंग में कोई “लर्निंग” है, और न ही डिप लर्निंग में कोई “गहरा” है। डिप लर्निंग में कोई “गहरा” नहीं है। इस क्षेत्र में जो वास्तव में काम करता है, उसे “गणित” कहा जाता है। इसलिए मैं इस क्षेत्र को “अवकलनीय गणना” कहना पसंद करता हूँ, और मॉडल बनाने की प्रक्रिया को “अवकलनीय प्रोग्रामिंग” कहा जाता है।
-
Yin Wang: मशीन लर्निंग वास्तव में उपयोगी है, एक व्यक्ति इसे सुंदर सिद्धांत भी कह सकता है, क्योंकि यह बस गणित के बाद एक मेकओवर है! यह न्यूटन और लाइबनिज़ का पुराना और महान सिद्धांत है, एक सरल, शानदार और शक्तिशाली रूप में। मशीन लर्निंग मूल रूप से गणित का उपयोग करके कुछ फंक्शंस को व्युत्पन्न और फिट करने का काम है, और डिप लर्निंग अधिक जटिल फंक्शंस को फिट करने का काम है।
-
वर्तमान में, बड़े भाषा मॉडल YAML या Python जैसी फाइल भाषा को फिल्टर नहीं कर सकते। हालाँकि, वास्तविक दुनिया में सूचना का एक महत्वपूर्ण हिस्सा इस तरह से संगठित है। इसका मतलब है कि हम फाइलों का उपयोग करके बड़े भाषा मॉडल को ट्रेन कर सकते हैं।
-
बड़े भाषा मॉडल को ट्रेन करने के लिए, हम एक प्रणाली विकसित कर सकते हैं जो सही मिलान खोजे। शायद हम KMP (Knuth-Morris-Pratt) खोज एल्गोरिथम को ट्रांसफॉर्मर आर्किटेक्चर के साथ मिला सकते हैं ताकि खोज क्षमता को बढ़ाया जा सके।
-
कोई तकनीकी रहस्य नहीं हैं। ओपन सॉर्स सभी गुप्त रहस्यों को उजागर कर देगा।
-
AI कई औजारों को प्रभावित करेगा, जिसमें अप्रत्यक्ष औजार भी शामिल हैं। लोग कहते हैं कि वे Figma को प्रोटोटाइप बनाने के लिए नहीं उपयोग करेंगे, 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।
-
हम Postman या Figma को AI युग में नहीं उपयोग करते हैं क्योंकि उनकी कार्यक्षमता को टेक्स्ट के माध्यम से उत्पन्न नहीं किया जा सकता है। उनमें कमांड + K शॉर्टकट भी नहीं है जो घटक बदलने को ट्रिगर करे।
-
उपयोगकर्ता इंटरफेस AI युग में एक बाधा बन रहे हैं। Postman को AI-चालित बनाने के बजाय, जब हम सीधे Python के requests लाइब्रेरी या अन्य प्रोग्रामिंग भाषाओं का उपयोग करके कोड को टेस्ट कर सकते हैं, तो क्यों करें? क्योंकि बाद वाले AI द्वारा चालित होंगे।
-
Figma को AI-चालित बनाने के बजाय, जब हम AI द्वारा बढ़ाए गए कोड-आधारित UI जनरेशन का उपयोग कर सकते हैं, तो क्यों करें? क्योंकि यह एक अधिक सीधा और संभवतः शक्तिशाली तरीका है।
-
LLMs पहले टेक्स्ट से संबंधित एप्लिकेशन को बदलेंगे, जैसे Google, सर्च इंजन, टेक्स्ट एडिटर और राइटिंग टूल्स, Quizlet, Zendesk, DeepL, Medium, WordPress, Trello, Asana, Gmail, GitHub, Goodreads, Duolingo, और Feedly।
-
विपरीत रूप से, LLMs जैसे Git, Linux, ffmpeg, मोबाइल फोन, हार्डवेयर, ब्राउज़र, ऑपरेटिंग सिस्टम, या वॉइस और वीडियो कॉल जैसी तकनीकों को क्रांति नहीं ला सकते। ये तकनीकें कोड-केन्द्रित हैं, और उनका कोड AI द्वारा आसानी से उत्पन्न नहीं किया जा सकता है, जैसे Postman जैसी API टेस्टिंग टूल्स।
-
अधिक कोड वाले तकनीकों को AI द्वारा क्रांति लाना 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 सके, तो वे बदल दिये जाएंगे। AI बेहतर तकनीकों को बनाने में मदद करनी चाहिए, और इसके लिए AI को उसी मात्रा में कोड उत्पन्न करने के लिए अधिक कंप्यूटिंग शक्ति की आवश्यकता होगी।
-
LLMs दो तरीकों से बदलाव ला सकते हैं: पहले, एक प्लेटफॉर्म या सॉफ्टवेयर के भीतर सामग्री या डेटा को बदलकर, जैसे TikTok में ऐप्स में सामग्री अनुवाद; दूसरा, सीधे कुछ सॉफ्टवेयर या प्लेटफॉर्म को बदलकर, जैसे Postman या Google Search, जिसमें Google Translate भी शामिल है।
-
AI ऑडियो टूल्स दो तरीकों से बदलाव ला सकते हैं: पहले, एक प्लेटफॉर्म या सॉफ्टवेयर के भीतर सामग्री या डेटा को बदलकर, जैसे Audible के लिए ऑडियो बुक्स उत्पन्न करना; दूसरा, सीधे कुछ सॉफ्टवेयर या प्लेटफॉर्म को बदलकर, उदाहरण के लिए, Sing songs ऐप, क्योंकि AI अब वही काम कर सकते हैं जो मनुष्य करते हैं, जिससे लोगों को गाने गाना एक हॉबी के रूप में आसान हो जाता है।
-
AI द्वारा वर्तमान सॉफ्टवेयर या प्लेटफॉर्म पर प्रभाव को मापने के कई तरीके हैं। एक तरीका यह है कि AI द्वारा पूरी तरह से या आंशिक रूप से कितनी डेटा या सामग्री उत्पन्न या सुधार की जा सकती है। दूसरा तरीका यह है कि AI द्वारा पूरी तरह से या आंशिक रूप से कितना कोड लिखा या सुधारा जा सकता है। इसका मतलब है कि हम AI द्वारा उत्पन्न सामग्री 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, Generative AI उत्पाद, Generative AI उत्पादों के API का उपयोग करने वाले उत्पाद, और अन्य उत्पाद।
-
एक उत्पाद विचार यह है कि AI का उपयोग करके Reddit, GitHub Trending, Twitter Trending, Quora Trending, और Zhihu Trending जैसी सोशल प्लेटफॉर्मों से वास्तविक समय में सूचना, समाचार, या अपडेट इकट्ठा करें। उपयोगकर्ता प्रॉम्प्ट्स का उपयोग करके फीड को अनुकूलित कर सकते हैं या विशेष सोशल खातों को जोड़ सकते हैं।
-
पांच महत्वपूर्ण प्रकार के डेटा हैं: टेक्स्ट, छवि, ऑडियो, वीडियो, और कोड।
-
अन्य महत्वपूर्ण प्रकार के डेटा में संख्यात्मक, भू-स्थानिक, जैवमितीय, सेंसर, लेनदेन, मेटाडेटा, समय श्रृंखला, संरचित, असंरचित, अर्ध-संरचित, स्वास्थ्य, पर्यावरणीय, लॉग, नेटवर्क, और व्यवहारिक डेटा शामिल हैं।