నిర్ణయాలు తీసుకునే కొత్త కృత్రిమ మేధస్సు నమూనా జెవ్

సాంకేతిక విభాగం: ఇప్పటివరకు కృత్రిమ మేధస్సు అంటే ప్రశ్నలకు సమాధానాలు ఇవ్వడం, వ్యాసాలు రాయడం, కంప్యూటర్ సంకేతాలను రూపొందించడం, చిత్రాలను సృష్టించడం వంటి పనులు చేసే పెద్ద భాషా నమూనాలే ఎక్కువగా గుర్తుకొస్తాయి. అయితే ఇప్పుడు కృత్రిమ మేధస్సు రంగంలో మరో భిన్నమైన విధానంపై చర్చ మొదలైంది. టైప్సేఫ్ ఏఐ రూపొందించిన జెవ్ అనే నమూనాను సాధారణ పెద్ద భాషా నమూనాలకు భిన్నంగా, ముఖ్యంగా నిర్ణయాలు తీసుకోవడం, సమాచారాన్ని వర్గీకరించడం వంటి పనుల కోసం రూపొందించారు.

సాధారణ పెద్ద భాషా నమూనాలు మనం ఇచ్చిన ప్రశ్నను అర్థం చేసుకుని కొత్త వాక్యాలు, పేరాలు లేదా ఇతర సమాచారాన్ని రూపొందిస్తాయి. జెవ్ మాత్రం ఆ విధానానికి భిన్నంగా పనిచేయాలని లక్ష్యంగా పెట్టుకుంది. టైప్సేఫ్ ఏఐ దీనిని మొదటి వ్యవస్థ తరహా నమూనాగా పరిచయం చేసింది. అంటే వినియోగదారులతో సుదీర్ఘ సంభాషణలు సాగించడం కంటే, ఇచ్చిన సమాచారాన్ని పరిశీలించి ఒక నిర్ణయం లేదా వర్గీకరణ ఫలితాన్ని అందించడం దీని ప్రధాన ఉద్దేశంగా పేర్కొంటున్నారు.

ఏ పనుల్లో ఉపయోగపడుతుంది

ఉదాహరణకు ఒక సంస్థకు వేలాది మంది వినియోగదారుల అభిప్రాయాలు వచ్చాయని అనుకుందాం. వాటిని అనుకూలం, ప్రతికూలం, తటస్థం వంటి విభాగాలుగా విడగొట్టాల్సి ఉంటుంది. ఇలాంటి వర్గీకరణ పనుల్లో జెవ్ను ఉపయోగించవచ్చని కథనం వివరిస్తోంది. అలాగే ఒక పెద్ద భాషా నమూనా ఇచ్చిన సమాధానం సరైనదా కాదా అనే విషయాన్ని పరిశీలించేందుకు కూడా ఇలాంటి నమూనాలు ఉపయోగపడే అవకాశం ఉంది. అంటే కృత్రిమ మేధస్సు ఇచ్చిన ఫలితాలను మరో కృత్రిమ మేధస్సు నమూనాతో పరిశీలించే విధానంలో జెవ్ను ఉపయోగించవచ్చని భావిస్తున్నారు.

కృత్రిమ మేధస్సు ఆధారిత వ్యవస్థలకు ఉపయోగకరమా

కృత్రిమ మేధస్సు ఆధారంగా పనిచేసే స్వయంచాలక వ్యవస్థల వినియోగం పెరుగుతున్న కొద్దీ ప్రతి చిన్న నిర్ణయం కోసం భారీ భాషా నమూనాలను ఉపయోగించడం ఖర్చుతో కూడుకున్న వ్యవహారంగా మారుతోంది. ఒక స్వయంచాలక వ్యవస్థ రోజుకు వేలాది నిర్ణయాలు తీసుకోవాల్సి వస్తే, ప్రతి దశలో పెద్ద నమూనాను ఉపయోగించాల్సిన అవసరం ఉండకపోవచ్చు. ఇలాంటి సందర్భాల్లో తక్కువ పరిమాణంలో ఉండి, నిర్దిష్ట నిర్ణయాల కోసం రూపొందించిన నమూనాలు ఉపయోగపడవచ్చనే ఆలోచన ముందుకు వస్తోంది. జెవ్ కూడా ఈ దిశలోనే రూపొందించబడిన నమూనాగా భావిస్తున్నారు.

వేగం, ఖర్చుపై చర్చ

జెవ్ను పరిచయం చేసిన నేపథ్యంలో దాని వేగం, నిర్వహణ వ్యయం వంటి అంశాలపై కూడా సాంకేతిక రంగంలో ఆసక్తి పెరిగింది. సాధారణ పెద్ద భాషా నమూనాలతో పోలిస్తే నిర్దిష్ట నిర్ణయాలు తీసుకునే పనుల్లో తక్కువ వనరులతో వేగంగా పనిచేయగల సామర్థ్యం ఇలాంటి నమూనాలకు ఉండవచ్చని పరిశీలకులు చెబుతున్నారు. ప్రత్యేకంగా ఒకే రకమైన పనులను పదేపదే చేయాల్సిన సందర్భాల్లో పెద్ద భాషా నమూనాకు బదులుగా చిన్న, లక్ష్యిత నమూనాను ఉపయోగించడం వల్ల కంప్యూటింగ్ వనరుల వినియోగం తగ్గే అవకాశం ఉంది. దీంతో భారీ స్థాయిలో పనిచేసే కృత్రిమ మేధస్సు వ్యవస్థలకు నిర్వహణ వ్యయం కూడా తగ్గవచ్చనే అంచనాలు ఉన్నాయి.