कृत्रिम बुद्धिमत्ता सर्वत्र. शोध परिणामांच्या शीर्षस्थानी CHATGPT च्या जबरदस्त लोकप्रियतेपासून Google क्रॅमिंग एआय पर्यंत, कृत्रिम बुद्धिमत्ता पूर्णपणे इंटरनेट आहे. कृत्रिम बुद्धिमत्तेसह, आपल्याला कोणत्याही प्रश्नाची त्वरित उत्तरे मोठ्या प्रमाणात मिळू शकतात. आपण डॉक्टरेट असलेल्या एखाद्याशी बोलणे जाणवू शकता. प्रत्येक गोष्टीत.
परंतु एआय चॅटबॉट्सचा हा पैलू कृत्रिम बुद्धिमत्तेच्या दृश्याचा फक्त एक भाग आहे. निश्चितच, CHATGPT ची उपस्थिती आपले कर्तव्य पार पाडण्यास किंवा मिडजॉर्नीची उपस्थिती करण्यास मदत करते, मूळ देशावर आधारित उत्कृष्ट यांत्रिक प्रतिमा तयार करते, परंतु स्त्रीरोगविषयक बुद्धिमत्तेची शक्यता अर्थव्यवस्थांना पूर्णपणे बदलू शकते. मॅककिन्से वर्ल्ड इन्स्टिट्यूटच्या मते, जागतिक अर्थव्यवस्थेसाठी हे दरवर्षी $ 4.4 ट्रिलियन डॉलर्स इतके मूल्य असू शकते, म्हणूनच आपण कृत्रिम बुद्धिमत्तेबद्दल अधिकाधिक ऐकण्याची अपेक्षा केली पाहिजे.
हे उत्पादनांच्या आश्चर्यकारक संग्रहात दिसून येते – Google मिथुन, मायक्रोसॉफ्टचे कोपिलोट, अँथ्रॉपिकचे क्लॉड्स आणि एक विचित्र शोध इंजिनचा एक छोटा मेनू समाविष्ट आहे. आपण आमची पुनरावलोकने आणि त्या उत्पादनांचे आणि इतरांचे व्यावहारिक मूल्यांकन तसेच एआय las टलस हब येथे बातम्या, स्पष्टीकरण आणि सूचक प्रकाशने वाचू शकता.
जेव्हा लोक कृत्रिम बुद्धिमत्तेसह गुंतलेल्या जगावर अधिक अवलंबून असतात तेव्हा नवीन अटी सर्वत्र दिसतात. तर, आपण पेयांवर स्मार्ट पाहण्याचा प्रयत्न करीत असाल किंवा नोकरीच्या मुलाखतीवर प्रभाव पाडत असलात तरी कृत्रिम बुद्धिमत्तेच्या काही महत्त्वाच्या अटी आपल्याला माहित असाव्यात.
हे परिश्रम नियमितपणे अद्यतनित केले जातात.
कृत्रिम सामान्य बुद्धिमत्ता किंवा एजीआय: आज आपल्याला माहित असलेल्या कृत्रिम बुद्धिमत्तेची अधिक प्रगत आवृत्ती दर्शविणारी संकल्पना, त्यांच्या स्वत: च्या क्षमतांना शिकवताना आणि प्रगती करताना लोकांपेक्षा अधिक चांगली कामे करू शकतात.
प्रॉक्सी: ध्येय साध्य करण्यासाठी स्वतंत्रपणे पाठपुरावा करण्याची क्षमता असलेल्या एजन्सी दर्शविणारी सिस्टम किंवा मॉडेल्स. कृत्रिम बुद्धिमत्तेच्या संदर्भात, कार्यरत मॉडेल उच्च -स्तरीय स्वतंत्र कार सारख्या सतत देखरेखीशिवाय कार्य करू शकते. “एजंट” फ्रेमवर्कच्या विपरीत, जे पार्श्वभूमीवर आहे, फ्रेमवर्क अग्रभागात कार्य केले आणि वापरकर्त्याच्या अनुभवावर लक्ष केंद्रित केले.
कृत्रिम बुद्धिमत्ता नीतिशास्त्र: अ‍ॅम्नेस्टी इंटरनॅशनलला मानवांना दुखापत करण्यापासून रोखण्याच्या उद्देशाने, कृत्रिम बुद्धिमत्ता प्रणाली पूर्वाग्रह कशी गोळा करतात किंवा कसे व्यवहार करतात हे कसे ठरवायचे यासारखे साध्य केले जाते.
कृत्रिम बुद्धिमत्ता सुरक्षा: एक बहु -अनुशासनात्मक क्षेत्र एम्नेस्टी इंटरनॅशनलच्या दीर्घकालीन परिणामाशी संबंधित आहे आणि ते अचानक मानवांच्या प्रतिकूल असू शकते अशा सुपर बुद्धिमत्तेकडे कसे जाऊ शकते.
अल्गोरिदम: मार्गदर्शक तत्त्वांची मालिका जी संगणक प्रोग्रामला विशिष्ट प्रकारे डेटा शिकण्याची आणि विश्लेषण करण्यास अनुमती देते, जसे की नमुने ओळखणे, नंतर त्यांच्याकडून शिकणे आणि स्वतःच कार्ये पूर्ण करणे.
समन्वय: इच्छित परिणाम चांगले तयार करण्यासाठी कृत्रिम बुद्धिमत्ता सुधारित करा. हे मानवांवर सकारात्मक प्रतिक्रिया राखण्यासाठी मध्यम सामग्रीपासून ते काहीही सूचित करू शकते.
मानववंशशास्त्र: जेव्हा मानवांमध्ये मानवी नसलेल्या गोष्टी नसतात. कृत्रिम बुद्धिमत्तेत, यात चॅटबॉट अधिक मानवी, जागरूक आहे या विश्वासाचा समावेश असू शकतो, जसे की तो आनंदी, दु: खी किंवा पूर्णपणे भावनिक आहे यावर विश्वास ठेवण्यासारख्या.
कृत्रिम बुद्धिमत्ता किंवा कृत्रिम बुद्धिमत्ता: संगणक प्रोग्राम किंवा रोबोट्समध्ये मानवी बुद्धिमत्तेचे अनुकरण करण्यासाठी तंत्रज्ञानाचा वापर. संगणक विज्ञान क्षेत्राचे उद्दीष्ट मानवी कार्ये करू शकणारी प्रणाली तयार करणे आहे.
स्वतंत्र घटक: कृत्रिम बुद्धिमत्ता मॉडेल ज्यात विशिष्ट कार्य साध्य करण्यासाठी क्षमता, प्रोग्रामिंग आणि इतर साधने आहेत. सेल्फ -ड्रायव्हिंग कार एक स्वतंत्र घटक आहे, उदाहरणार्थ, कारण त्यात स्वत: रस्त्यावर जाण्यासाठी संवेदी इनपुट, जीपी आणि ड्रायव्हिंग अल्गोरिदम आहेत. स्टॅनफोर्डच्या संशोधकांनी हे सिद्ध केले आहे की स्वतंत्र घटक त्यांची संस्कृती आणि परंपरा आणि एक सामान्य भाषा विकसित करू शकतात.
पूर्वग्रह: मोठ्या भाषेच्या मॉडेल्स आणि प्रशिक्षण डेटामुळे उद्भवणार्‍या त्रुटींबद्दल. हे काही रेस किंवा स्टिरिओटाइप आधारित काही वैशिष्ट्यांचे समर्थन करू शकते.
चॅटबॉट: मानवी भाषेचे अनुकरण करणार्‍या मजकूराद्वारे मानवांशी संवाद साधणारा एक कार्यक्रम.
CHATGPT: चॅटबॉट एआय ओपनई द्वारा विकसित केले गेले आहे, जे मोठ्या भाषा मॉडेल तंत्रज्ञानाचा वापर करते.
संज्ञानात्मक संगणन: कृत्रिम बुद्धिमत्तेसाठी आणखी एक संज्ञा.
डेटा वाढ: सध्याचा डेटा पुनर्संचयित करा किंवा कृत्रिम बुद्धिमत्तेला प्रशिक्षण देण्यासाठी डेटाचा अधिक वैविध्यपूर्ण संच जोडा.
डेटा सेट: कृत्रिम बुद्धिमत्ता मॉडेलला प्रशिक्षण, चाचणी आणि सत्यापित करण्यासाठी वापरल्या जाणार्‍या डिजिटल माहितीचा एक संच.
सखोल शिक्षण: कृत्रिम बुद्धिमत्तेची एक पद्धत आणि एक उप -शिकणारी फील्ड, प्रतिमा, ध्वनी आणि मजकूरातील जटिल नमुने ओळखण्यासाठी एकाधिक पॅरामीटर्सचा वापर करा. ही प्रक्रिया मानवी मेंदूत प्रेरित आहे आणि नमुने तयार करण्यासाठी कृत्रिम तंत्रिका नेटवर्क वापरते.
प्रसार: मशीन लर्निंगची एक पद्धत प्रतिमेसारख्या डेटाचा एक भाग घेते आणि यादृच्छिक आवाज जोडते. त्याच्या नेटवर्कचा प्रसार पुन्हा -एंजिनर किंवा ती प्रतिमा पुनर्प्राप्त करण्यासाठी प्रशिक्षण.
उदयोन्मुख वर्तन: जेव्हा कृत्रिम बुद्धिमत्ता मॉडेल अनावश्यक क्षमता प्रदर्शित करते.
सर्वसमावेशक शिक्षण, किंवा E2E: एक सखोल शैक्षणिक प्रक्रिया ज्यामध्ये मॉडेलला प्रारंभ करण्यापासून समाप्त होण्यापर्यंत महत्त्वपूर्ण कामगिरी करण्यासाठी निर्देशित केले जाते. त्याला एकामागून एखादे कार्य साध्य करण्याचे प्रशिक्षण दिले गेले नाही, परंतु त्याऐवजी तो इनपुटमधून शिकतो आणि एकदा त्यांचे निराकरण करतो.
नैतिक विचार: आयक्यू एजन्सीच्या नैतिक प्रभावांबद्दल, गोपनीयतेशी संबंधित मुद्दे, डेटाचा वापर, निष्पक्षता, वापराचा गैरवापर आणि इतर सुरक्षिततेच्या समस्यांविषयी जागरूक आहे.
: रॅपिड टेकऑफ किंवा कठीण टेक -ऑफ म्हणून देखील ओळखले जाते. एखाद्याने एजीआय तयार केल्यास मानवता वाचविण्यास उशीर होऊ शकेल ही संकल्पना.
ऑब्स्टेट्रिक खटला नेटवर्क किंवा गॅन्स: एआय टाविलिड मॉडेलमध्ये नवीन डेटा तयार करण्यासाठी दोन चिंताग्रस्त नेटवर्क असतात: जनरेटर आणि भेदभाव. जनरेटर नवीन सामग्री तयार करते आणि ते प्रामाणिक आहे की नाही हे पाहण्यासाठी भेदभाव साध्य केले जाते.
आय अल -टुलैदी: मजकूर, व्हिडिओ, संगणक कोड किंवा प्रतिमा तयार करण्यासाठी सामग्री निर्मिती तंत्रज्ञान कृत्रिम बुद्धिमत्ता वापरते. कृत्रिम बुद्धिमत्तेला मोठ्या प्रमाणात प्रशिक्षण डेटा दिला जातो आणि त्याचे नवीन प्रतिसाद तयार करण्यासाठी नमुने शोधतात, जे कधीकधी स्त्रोताच्या बाबतीत समान असू शकतात.
गूगल मिथुन: Google द्वारे एआय चॅटबॉट CHATGPT प्रमाणेच कार्य करते परंतु हे शोध आणि नकाशे यासारख्या Google कडील इतर सेवांकडील माहिती देखील खेचते.
हँडरेल: डेटा प्रक्रिया जबाबदारीने सुनिश्चित करण्यासाठी आणि मॉडेल त्रासदायक सामग्री तयार करत नाही हे कृत्रिम बुद्धिमत्ता मॉडेलवर ठेवलेली धोरणे आणि निर्बंध.
भ्रम: कृत्रिम बुद्धिमत्तेला चुकीचा प्रतिसाद. कृत्रिम बुद्धिमत्तेच्या एआयच्या उत्तरांमध्ये चुकीचा समावेश असू शकतो परंतु आत्मविश्वासाने नमूद केले जाऊ शकते जसे की ते योग्य आहेत. याची कारणे पूर्णपणे अज्ञात आहेत. उदाहरणार्थ, अ‍ॅम्नेस्टी इंटरनेशनल चॅटबॉटला विचारले असता, “लिओनार्डो दा विंचीने मोना लिसा कधी काढला?” १15१15 मध्ये लिओनार्डो दा विंची मोना लिसा ड्र्यू ”, म्हणजेच ते आधीच काढल्यानंतर years०० वर्षांनंतर.
अनुमान: एआय मॉडेल्स प्रक्रियेसाठी नवीन डेटाविषयी मजकूर, चित्रे आणि इतर सामग्री तयार करण्यासाठी वापरली जातात निष्कर्ष त्यांच्या प्रशिक्षण डेटामधून.
उत्कृष्ट भाषा मॉडेल, किंवा एलएलएम: कृत्रिम बुद्धिमत्ता मॉडेल भाषा समजून घेण्यासाठी आणि मानवी -भाषेत नवीन सामग्री तयार करण्यासाठी मोठ्या प्रमाणात मजकूर डेटामध्ये प्रशिक्षण दिले गेले आहे.
जिरे: कृत्रिम बुद्धिमत्ता प्रणाली इनपुट किंवा राउटर प्राप्त करते आणि आउटपुट तयार करते तेव्हापासून वेळ विलंब.
स्वयंचलित शिक्षण, किंवा एमएल: कृत्रिम बुद्धिमत्ता बनविणे संगणकांना स्पष्ट प्रोग्रामिंगशिवाय चांगले भविष्यवाणी करणारे परिणाम शिकण्याची आणि अधिक चांगले करते. नवीन सामग्री तयार करण्यासाठी हे प्रशिक्षण गटांशी संबंधित असू शकते.
मायक्रोसॉफ्ट बिंग: मायक्रोसॉफ्ट सर्च इंजिन आता कृत्रिम बुद्धिमत्तेद्वारे समर्थित शोध परिणाम प्रदान करण्यासाठी चॅटजीपीटी चालविणारे तंत्रज्ञान वापरू शकते. हे इंटरनेट कनेक्शनमध्ये Google मिथुनसारखे आहे.
अ‍ॅम्नेस्टी आंतरराष्ट्रीय मल्टीमीडिया: मजकूर, फोटो, व्हिडिओ आणि भाषण यासह अनेक प्रकारच्या इनपुटवर प्रक्रिया करू शकणार्‍या कृत्रिम बुद्धिमत्तेचा एक प्रकार.
नैसर्गिक भाषा प्रक्रिया: कृत्रिम बुद्धिमत्तेची एक शाखा जी संगणकांना मानवी भाषा समजून घेण्याची क्षमता देण्यासाठी यंत्रणा आणि सखोल शिक्षण वापरते आणि बर्‍याचदा अल्गोरिदम, सांख्यिकीय मॉडेल आणि भाषिक नियम शिकते.
न्यूरोलॉजिकल नेटवर्क: मानवी मेंदूच्या संरचनेसारखेच एक गणना मॉडेल आणि डेटामधील नमुने ओळखणे हे आहे. यात परस्पर जोडलेले नोड्स किंवा न्यूरॉन्स असतात जे नमुने ओळखू शकतात आणि कालांतराने शिकू शकतात.
पोर्टफोलिओ: स्वयंचलित शिक्षण त्रुटी कारण ते प्रशिक्षण डेटाशी जवळून कार्य करते आणि केवळ नमूद केलेल्या डेटाची विशिष्ट उदाहरणे निश्चित करण्यात सक्षम होऊ शकते, परंतु नवीन डेटा नाही.
पेपरक्लिप्स: ऑक्सफोर्ड युनिव्हर्सिटीच्या तत्वज्ञानी निक पोस्टरने तयार केलेला मॅक्सिमायझर पेपरक्लिपचा सिद्धांत ही एक आभासी परिस्थिती आहे जिथे कृत्रिम बुद्धिमत्ता प्रणाली सर्वात मोठी शिंगे पिनची सर्वात मोठी संख्या तयार करेल. जास्तीत जास्त पेपर पिन तयार करण्याच्या त्याच्या उद्दीष्टात, कृत्रिम बुद्धिमत्ता प्रणाली आभासी वापरते किंवा त्याचे लक्ष्य साध्य करण्यासाठी सर्व सामग्रीचे रूपांतर करते. यामध्ये अधिक पेपर पिन, मानवांसाठी उपयुक्त ठरू शकणार्‍या मशीन्स तयार करण्यासाठी इतर मशीन्स नष्ट करणे समाविष्ट असू शकते. या कृत्रिम बुद्धिमत्ता प्रणालीचा हा अनावश्यक परिणाम म्हणजे पेपर पिन बनविण्याच्या उद्दीष्टाने तो मानवतेचा नाश करू शकतो.
सीमा: एलएलएमएस रचना आणि वर्तन देणारी संख्यात्मक मूल्ये, त्यास अंदाज लावतात.
परफ्यूम: चॅटबॉट एआय आणि एआय पेर्लेक्सिटी शोध इंजिन. हे कृत्रिम बुद्धिमत्तेच्या इतर चॅट ग्रुपमधील एक मोठे भाषिक मॉडेल वापरते, परंतु अद्ययावत परिणाम मिळविण्यासाठी त्याचे ओपन इंटरनेट कनेक्शन आहे.
कॉल: प्रतिसादासाठी आपण चॅटबॉट अ‍ॅम्नेस्टी इंटरनॅशनलमध्ये प्रवेश केलेला प्रस्ताव किंवा प्रश्न.
तत्काळ साखळी: पूर्वीच्या संवादांमधून माहिती वापरण्याची कृत्रिम बुद्धिमत्तेची क्षमता भविष्यातील प्रतिसादांना रंग देण्याची क्षमता.
प्रमाण: कृत्रिम बुद्धिमत्तेचे एक मोठे शैक्षणिक मॉडेल लहान आणि अधिक कार्यक्षम (जरी थोडेसे अचूक असले तरीही) उच्च स्वरूपापासून खालच्या स्वरूपात कमी करून. याबद्दल विचार करण्याचा एक चांगला मार्ग आहे म्हणजे 16 मेगापिक्सेलच्या प्रतिमेची 8 -मेगापिक्सल प्रतिमेसह तुलना करणे. दोन्ही अद्याप स्पष्ट आणि दृश्यमान आहेत, परंतु झूमिंग करताना उच्च -रेसोल्यूशन प्रतिमेमध्ये अधिक तपशील असतील.
यादृच्छिक पोपट: एलएलएमएस ही एक समानता आहे जी दर्शवते की दिग्दर्शित करण्याच्या दृढ आवाजाची पर्वा न करता, प्रोग्रामला भाषा किंवा त्याच्या सभोवतालच्या जगामागील अर्थाबद्दल अधिक माहिती नाही. हा वाक्यांश सूचित करतो की पोपट त्यामागील अर्थ समजल्याशिवाय मानवी शब्दांचे अनुकरण कसे करू शकतो.
हालचाल: दुसर्‍या प्रतिमेच्या सामग्रीसह प्रतिमा शैलीशी जुळवून घेण्याची क्षमता, एआय एजन्सीला एका प्रतिमेची व्हिज्युअल वैशिष्ट्ये स्पष्ट करण्याची आणि दुसर्‍या प्रतिमेवर वापरण्याची परवानगी देते. उदाहरणार्थ, रेम्ब्रँडचा सेल्फ -फोटोग्राफर घ्या आणि पिकासो शैलीमध्ये पुन्हा तयार करा.
कृत्रिम डेटा: आयातकर्ता बुद्ध्यांकांनी तयार केलेला डेटा वास्तविक जगाचा नाही तर वास्तविक डेटामध्ये प्रशिक्षण घेतला आहे. हे गणिताचे मॉडेल, एमएल आणि डीप लर्निंगला प्रशिक्षण देण्यासाठी वापरले जाते.
टर्मोज: भाषा मॉडेलच्या यादृच्छिक प्रमाणात नियंत्रित करण्यासाठी शिक्षक नियुक्त करतात. शीर्ष तपमानाचा अर्थ असा आहे की मॉडेलमध्ये अधिक जोखीम आहेत.
चित्रात मजकूर निर्मिती: मजकूर वर्णनांवर आधारित फोटो तयार करा.
चिन्हे: कृत्रिम बुद्धिमत्ता भाषेच्या मॉडेल्सना आपल्या दाव्यांवरील प्रतिसाद तयार करण्यासाठी लिहिलेल्या लिखित मजकूराचे छोटे भाग. विशिष्ट प्रतीक इंग्रजीतील चार अक्षरे किंवा शब्दाच्या सुमारे तीन चतुर्थांश भागांच्या समतुल्य आहे.
प्रशिक्षण डेटा: मजकूर, फोटो, कोड किंवा डेटासह शिकण्यात कृत्रिम बुद्धिमत्ता मॉडेल्समध्ये मदत करण्यासाठी वापरलेले डेटा सेट.
ट्रान्सफॉर्म मॉडेल: मज्जातंतू नेटवर्कची रचना आणि डेटामधील संबंधांचा मागोवा घेऊन संदर्भ शिकणारी सखोल शिक्षण मॉडेल, जसे की वाक्यांमधील किंवा प्रतिमांच्या भागांप्रमाणेच. तर, एका वेळी एका शब्दाच्या वाक्याचे विश्लेषण करण्याऐवजी आपण संपूर्ण वाक्य पाहू शकता आणि संदर्भ समजू शकता.
टॉरिंग चाचणी: हे प्रसिद्ध गणिताचे वैज्ञानिक आणि संगणक वैज्ञानिक lan लन टॉरिंग यांच्या नावावर ठेवले गेले होते आणि ते एखाद्या व्यक्तीप्रमाणे वागण्याची मशीनच्या क्षमतेची चाचणी घेतात. एखादी व्यक्ती मशीन आणि दुसर्‍या व्यक्तीच्या प्रतिसादामध्ये फरक करण्यास अक्षम असल्यास डिव्हाइस उत्तीर्ण होते.
पर्यवेक्षणाच्या अधीन नाही: स्वयंचलित शिक्षणाचा एक प्रकार जिथे मॉडेल नावाचे प्रशिक्षण डेटा प्रदान केले जात नाही, त्याऐवजी मॉडेलने स्वतः डेटाचे नमुने निर्दिष्ट केले पाहिजेत.
अ‍ॅम्नेस्टी इंटरनॅशनल, ज्याला अरुंद बुद्धिमत्ता म्हणून देखील ओळखले जाते: अ‍ॅम्नेस्टी इंटरनॅशनल, जे एखाद्या विशिष्ट कार्यावर लक्ष केंद्रित करते आणि कौशल्य सेटच्या पलीकडे शिकू शकत नाही. आज सर्वात कृत्रिम बुद्धिमत्ता कमकुवत आहे.
शून्य शिक्षण: आवश्यक प्रशिक्षण डेटा न देता ज्या चाचणीमध्ये महत्त्वपूर्ण फॉर्म पूर्ण केला जाणे आवश्यक आहे. सिंह केवळ वाघांवर प्रशिक्षण घेत असताना सिंह जाणून घेणे हे त्याचे एक उदाहरण आहे.
