භාෂා ආකෘතිවලින් ඔබ්බට: Jensen Huang විවෘත AI පර්යේෂණ ජීව විද්‍යාව, කාලගුණය හා පරිගණනයේ අනාගතය සමග සම්බන්ධ කරන්නේ ඇයි
හැඳින්වීම: AI කතාබස් පද්ධතියක් පමණක් ලෙස සැලකූ විට අහිමි වන්නේ කුමක්ද?
සංවාද පද්ධතියක් කෘත්‍රිම බුද්ධිය [AI] පහසුවෙන් හඳුනාගත හැකි කරයි. මිනිසුන්ට ප්‍රශ්නයක් ටයිප් කර පිළිතුරක් කියවිය හැකිය. එහෙත් භාෂාව ලෝකය නිරූපණය කරන එක් ආකාරයක් පමණි.
ජීව විද්‍යාව, රසායන විද්‍යාව, කාලගුණය හා භෞතික පද්ධතිවල සාමාන්‍ය සංවාදයකට සීමා කළ නොහැකි තොරතුරු තිබේ. විවෘත AI පර්යේෂණ සඳහා Jensen Huangගේ තර්කය මේ පුළුල් විද්‍යාත්මක අවස්ථාව ප්‍රායෝගික පරිගණන ගැටලුවක් සමග සම්බන්ධ කරයි: අනාගත ආකෘති [Models] තම පද්ධතිවලින් ඉල්ලා සිටින දේ දෘඩාංග සැලසුම්කරුවන් [Hardware Designers] තේරුම්ගත යුතුය.
තර්කයට කොටස් කිහිපයක් තිබේ. විවෘත වැඩ පර්යේෂණවලට සහාය දී, සහභාගිත්වය පුළුල් කර, තම ව්‍යුහය [Architecture] වෙනස් විය යුත්තේ කොතැනදැයි පරිගණන කර්මාන්තයට ඉගෙනගැනීමට උදව් කළ හැකිය.
1. ආකෘති ගොඩනැගීමෙන් ගොඩනැගිය යුත්තේ කුමක්දැයි පරිගණන සමාගමක් ඉගෙනගනී
AI යටිතල පහසුකම් [Infrastructure] සැලසුම් කරන සමාගමකට ඊයේ ආකෘතිවල අවශ්‍යතා මත පමණක් රඳාපැවතිය නොහැකිය. හෙට පද්ධති හැඩගැස්විය හැකි වැඩ පිළිබඳ සෘජු අත්දැකීම් එයට අවශ්‍යය.
ආකෘති ව්‍යුහය [Model Architecture] පිළිබඳ පර්යේෂණ ඒ අත්දැකීම ලබාදෙයි. වෙනස් ප්‍රවේශවලට මතකය [Memory], දත්ත චලනය [Data Movement], සකසන [Processors] හා ඒවා අතර සම්බන්ධතා මත වෙනස් ඉල්ලීම් තැබිය හැකිය.
Huang NVIDIA ආකෘති පර්යේෂණ එහි පුළුල් සම-සැලසුම් [Co-design] උපායමාර්ගය සමග සම්බන්ධ කරයි. ආකෘති පිළිබඳ වැඩ කිරීම ඒවාට අවශ්‍ය පද්ධති තේරුම්ගැනීමට තවත් මගක් සපයයි.
සෑම ක්ෂේත්‍රයකම අවසාන යෙදුම් සැපයුම්කරු [Application Provider] වීමට සමාගම උත්සාහ නොකරනවිටත් මෙය පර්යේෂණ වටිනා කරයි. ඒ ඉගෙනීම අනෙක් අය භාවිත කරන පරිගණන වේදිකාවට [Computing Platform] මගපෙන්විය හැකිය.
2. විවෘතභාවය වැඩි පිරිසකට අත්හදාබැලීමට ඉඩ දෙයි
සෑම ප්‍රයෝජනවත් ආකෘතියක්ම සම්පූර්ණ කළ හිමිකාර සේවාවක් [Proprietary Service] ලෙස පමණක් ලැබුණේ නම් එය පරීක්ෂා කිරීමට, අනුවර්තනය කිරීමට හා එය මත ගොඩනැගීමට පර්යේෂකයන්ට හා කුඩා සංවිධානවලට අඩු නිදහසක් තිබෙනු ඇත.
විවෘත ආකෘති [Open Models] වෙනත් මගක් සැලසිය හැකිය. පර්යේෂකයන්ට ප්‍රවේශයක් පරීක්ෂා කර, එහි හැසිරීම අධ්‍යයනය කර, මුල් සංවර්ධකයාගේ ප්‍රමුඛතාව නොවූ යෙදුම් විමර්ශනය කළ හැකිය.
ඒ අවස්ථාව කර්මාන්ත හා රටවල් පුරා වැදගත්ය. විශ්වවිද්‍යාල පර්යේෂණාගාරයකට, ඉංජිනේරු කණ්ඩායමකට හා විශේෂිත විද්‍යාත්මක සමූහයකට වෙනස් ප්‍රවේශ ආකාර අවශ්‍ය විය හැකි නමුත් එක් එක් පාර්ශ්වය තම වැඩ කිරීමට ලැබෙන ඉඩෙන් ප්‍රයෝජන ලබයි.
විවෘතභාවය සෑම අත්හදාබැලීමක්ම සාර්ථක වන බවට පොරොන්දුවක් නොවේ. සියලුදෙනාටම මුල සිට ආරම්භ කිරීමට නොකියා ඉගෙනීමට හා දායක වීමට ඇති හැකියාව එය පුළුල් කරයි.
3. "විවෘත" යන වචනයට නිශ්චිත අර්ථයක් අවශ්‍යය
ආකෘතියක බර [Model Weights], එහි පුහුණු කේතය [Training Code], එය පුහුණු කළ දත්ත හා ඒ දත්ත සූදානම් කිරීමට භාවිත කළ ක්‍රම වෙනස් දේය.
එකක් ලබාදීම අනෙක් ඒවාද ස්වයංක්‍රීයව ලබාදීමක් නොවේ. මුල් පුහුණු ක්‍රියාවලිය නැවත නිර්මාණය කිරීමට අවශ්‍ය සියල්ල නොදීත් විවෘත බර නිකුතුවක් [Open-weight Release] ප්‍රයෝජනවත් විය හැකිය.
ආකෘතියක් තෝරන ඕනෑම අයකුට ප්‍රායෝගික ප්‍රශ්නය වන්නේ සැබෑ නිකුතුවෙන් අවසර ලැබෙන්නේ කුමකටද යන්නයි. කණ්ඩායමට එය පරීක්ෂා කිරීමට, වෙනස් කිරීමට, අදහස් කළ අරමුණට යෙදවීමට [Deploy] හා සීමා තේරුම්ගැනීමට හැකිද?
පාඩම වන්නේ ලේබලයෙන් ඔබ්බට බැලීමයි. ප්‍රයෝජනවත් විවෘතභාවයේ ප්‍රමාණය රඳාපවතින්නේ දෙන ද්‍රව්‍ය හා ඒවාට බැඳුණු කොන්දේසි මතය.
4. විද්‍යාත්මක AIට සාමාන්‍ය භාෂාවෙන් ඔබ්බට නිරූපණ අවශ්‍යය
කාලගුණ ආකෘතියක් [Weather Model] භෞතික පද්ධතියක හැසිරීම සමග වැඩ කරයි. ජීව විද්‍යා පර්යේෂණ ව්‍යුහ හා අන්තර්ක්‍රියා පිළිබඳවය. රොබෝ විද්‍යාව [Robotics] සංජානනය [Perception] හා ක්‍රියාව වෙනස්වන පරිසරයකට සම්බන්ධ කරයි.
ඒ ගැටලු විස්තර කිරීමට භාෂාව මිනිසුන්ට උදව් කළ හැකි නමුත් යටින් ඇති තොරතුරු හා සම්බන්ධතාවලට වෙනත් නිරූපණ [Representations] අවශ්‍ය විය හැකිය. ඒ නිසා ප්‍රගතිය විශාල භාෂා ආකෘතියක [Large Language Model] සංවාද හැකියාව වැඩිදියුණු කිරීමෙන් ඔබ්බට දේවල් මත රඳාපවතී.
Huangගේ පුළුල් දැක්ම විශේෂිත ආකෘතිවලට විශාල පද්ධතියක තැනක් දෙයි. නියෝජිතයකුට [Agent] සෑම ප්‍රශ්නයකටම භාෂාවෙන් පමණක් පිළිතුරු දීමට උත්සාහ කරනවා වෙනුවට විද්‍යාත්මක ආකෘතියක් තම මෙවලමක් ලෙස භාවිත කළ හැකිය.
එය අවධාරණයේ ප්‍රයෝජනවත් මාරුවකි. එක් ආකෘතියක සෑම හැකියාවක්ම තිබෙනු ඇතැයි අපේක්ෂා කරනවා වෙනුවට අරමුණ වන්නේ කාර්යයට නිවැරදි හැකියාවට ප්‍රවේශ වීමයි.
5. තමන් ආදේශ කිරීමට අදහස් නොකරන කර්මාන්තවලටත් වේදිකාවක් සහාය දිය හැකිය
ඒ ක්ෂේත්‍රවලට දායක වීමට පරිගණන සමාගමක් අවසාන මෝටර් රථය ගොඩනැගීම, අවසාන ඖෂධය සොයාගැනීම හෝ සෑම විද්‍යාත්මක ආයතනයක්ම පවත්වාගෙන යාම අවශ්‍ය නැත.
විශේෂඥයන්ට තම වැඩ කිරීමට උදව් වන ආකෘති [Models], මෙවලම් හා යටිතල පහසුකම් [Infrastructure] එයට සැපයිය හැකිය. සාමාන්‍ය වේදිකාවකට තනිව සැපයිය නොහැකි ක්ෂේත්‍ර දැනුම [Domain Knowledge], අත්හදාබැලීම් හා ප්‍රායෝගික සීමා ඒ විශේෂඥයෝ ගෙනඑති.
විවෘත පර්යේෂණ හා වාණිජ නිෂ්පාදන එක්ව පැවතිය හැක්කේ ඇයිද යන්නද මේ වැඩ බෙදීම පැහැදිලි කරයි. හිමිකාර යෙදුමක් [Proprietary Application] එක් අරමුණකට සේවය කරන අතර හවුල් පර්යේෂණ පදනම් පුළුල් ප්‍රජාවකට සහාය විය හැකිය.
සීමා පැහැදිලිව තිබිය යුතුය. ආකෘතියකට ප්‍රවේශය ආරම්භයක් මිස විද්‍යාත්මක හෝ මෙහෙයුම් තීරණයකට එය සූදානම් බවේ සාක්ෂියක් නොවේ.
නිගමනය: ඊළඟ වේදිකාව වෙනස් බුද්ධි ආකාරවලට ඉඩ දිය යුතුය
විවෘත AI පර්යේෂණ සඳහා Huangගේ තර්කය තවත් කතාබස් පද්ධතියක් නිකුත් කිරීමට වඩා පුළුල්ය. එය පරිගණන සැලසුම විද්‍යාත්මක ගවේෂණය හා අනෙක් අයට ගොඩනැගීමට ඇති හැකියාව සමග සම්බන්ධ කරයි.
විවෘත කුමක්ද හා තක්සේරු කිරීම තවමත් පරිශීලකයාගේ වගකීම වන දේ මොනවාද යන්න ගැන නිශ්චිතව සිටිමින් පොදු මෙවලම් විශේෂිත දැනුම සමග ඒකාබද්ධ කිරීම තුළ අවස්ථාව පවතී.
එහි වේදිකාවට වෙනස් වැඩ ආකාරවලට සහාය දිය හැකිවිට AI වඩා ප්‍රයෝජනවත් වේ. භාෂාව ඒ අනාගතයට වැදගත් අතුරුමුහුණතකි [Interface]. එය සමස්ත අනාගතය නොවේ.
Powered By K7