செயற்கை கற்றல் நுண்ணறிவு அமைப்பு: ALIS கருத்தாக்கம்

இங்கு, செயற்கை கற்றல் நுண்ணறிவு அமைப்பு (ALIS) பற்றிய அதன் கருத்தாக்கம், கோட்பாடுகள், அடிப்படை வடிவமைப்பு மற்றும் மேம்பாட்டு முறையியல் ஆகியவற்றை விவரிக்க விரும்புகிறேன்.

கருத்தாக்கம்

தற்போதைய உருவாக்க AI, முதன்மையாக பெரிய மொழி மாதிரிகள், நரம்பியல் வலையமைப்பு அடிப்படையிலான மேற்பார்வையிடப்பட்ட கற்றலைப் பயன்படுத்திப் பயிற்சி அளிக்கப்படுகிறது.

ஒரு கற்றல் செயல்முறையாக, இந்த நரம்பியல் வலையமைப்பு கற்றலை உள்ளார்ந்த கற்றல் என நாம் வரையறுக்கிறோம்.

ALIS ஆனது, உள்ளார்ந்த கற்றலில் இருந்து தனித்தனியாக, பெறப்பட்ட கற்றல் செயல்முறையை ஒருங்கிணைத்து, இரண்டு கற்றல் செயல்முறைகளையும் இணைக்கும் ஒரு அனுமானத்தை செயல்படுத்துகிறது.

இந்த பெறப்பட்ட கற்றலில், கற்றுக்கொண்ட அறிவு நரம்பியல் வலையமைப்பிற்கு வெளியே குவிக்கப்பட்டு, அனுமானத்தின் போது பயன்படுத்தப்படுகிறது.

ஆகவே, ALIS இன் தொழில்நுட்ப மையம், அனுமானத்தின் போது மீண்டும் பயன்படுத்தக்கூடிய அறிவை பிரித்தெடுத்தல், சேமித்தல், மற்றும் தேர்ந்தெடுத்து பயன்படுத்துதல் ஆகியவற்றில் உள்ளது.

மேலும், ALIS என்பது ஒரு தனிப்பட்ட அடிப்படைக் தொழில்நுட்பம் மட்டுமல்ல, உள்ளார்ந்த கற்றல் மற்றும் பெறப்பட்ட கற்றல் ஆகியவற்றை ஒருங்கிணைக்கும் ஒரு அமைப்புத் தொழில்நுட்பமும் ஆகும்.

கற்றல் நுண்ணறிவு அமைப்பின் கூறுகள்

ஏற்கனவே இருக்கும் உள்ளார்ந்த கற்றல் மற்றும் எதிர்காலத்தில் கருத்தில் கொள்ளப்படும் பெறப்பட்ட கற்றல் ஆகிய இரண்டும் கற்றல் மற்றும் அனுமானத்தின் ஒரே கட்டமைப்பைப் பின்பற்றுகின்றன என்ற கோட்பாட்டின் கீழ் ALIS செயல்படுகிறது.

ALIS இல் கற்றலின் கோட்பாடுகளை விளக்க, கற்றல் நுண்ணறிவு அமைப்பின் ஐந்து கூறுகளை நாம் வரையறுக்கிறோம்.

முதலாவது அறிவுசார் செயலி. இது அறிவைப் பயன்படுத்தி அனுமானங்களைச் செய்யும் மற்றும் கற்றலுக்காக அறிவைப் பிரித்தெடுக்கும் ஒரு செயலாக்க அமைப்பைக் குறிக்கிறது.

பெரிய மொழி மாதிரிகள் (LLMகள்) மற்றும் மனித மூளையின் பகுதிகள் அறிவுசார் செயலிகளுக்கு சிறந்த எடுத்துக்காட்டுகளாகும்.

இரண்டாவது அறிவுச் சேமிப்பகம். இது பிரித்தெடுக்கப்பட்ட அறிவைச் சேமித்து, தேவைப்படும்போது எடுக்கக்கூடிய சேமிப்பு இடத்தைக் குறிக்கிறது.

LLMகளில், அறிவுச் சேமிப்பகம் நரம்பியல் வலையமைப்பின் அளவுருக்களைக் கொண்டுள்ளது. மனிதர்களில், இது மூளையில் உள்ள நீண்ட கால நினைவகத்திற்கு ஒத்திருக்கிறது.

மூன்றாவது உலகம். இது மனிதர்கள் அல்லது ALIS போன்ற ஒரு கற்றல் நுண்ணறிவு அமைப்பால் உணரப்படும் வெளிப்புற சூழலைக் குறிக்கிறது.

மனிதர்களுக்கு, உலகம் என்பது நிஜ உலகமே. LLMகளைப் பொறுத்தவரை, LLM இலிருந்து வெளியீட்டைப் பெற்று, அதற்கு பின்னூட்டத்தை வழங்கும் ஒரு பொறிமுறையை உலகத்திற்கு சமமானதாகக் கருதலாம்.

நான்காவது நிலை நினைவகம். இது ஒரு கற்றல் நுண்ணறிவு அமைப்பு அனுமானத்தின் போது பயன்படுத்தும் ஒரு உள் தற்காலிக நினைவகப் பகுதியைக் குறிக்கிறது.

LLMகளில், இது மறைக்கப்பட்ட நிலைகள் எனப்படும் அனுமானத்தின் போது பயன்படுத்தப்படும் நினைவக இடம். மனிதர்களில், இது குறுகிய கால நினைவகத்திற்கு ஒத்திருக்கிறது.

ஐந்தாவது கட்டமைப்பு. இது ஒரு சிந்தனை கட்டமைப்பு. கற்றல் நுண்ணறிவு அமைப்புகளின் சொற்களஞ்சியத்தில், இது அனுமானத்தின் போது தேவையான அறிவைத் தேர்ந்தெடுப்பதற்கான அளவுகோல்களையும், நிலை நினைவகத்தை ஒழுங்கமைப்பதற்கான ஒரு தர்க்கரீதியான நிலை இட கட்டமைப்பையும் குறிக்கிறது.

LLMகளில், இது மறைக்கப்பட்ட நிலைகளின் சொற்பொருள் கட்டமைப்பாகும், மேலும் அதன் உள்ளடக்கங்கள் பொதுவாக தெளிவற்றவை மற்றும் மனிதர்களுக்குப் புரிந்துகொள்ள முடியாதவை. மேலும், அறிவுத் தேர்வு கவன வழிமுறையில் உட்பொதிக்கப்பட்டுள்ளது, இது செயலாக்கப்படும் ஒவ்வொரு டோக்கனுக்கும் எந்த இருக்கும் டோக்கன்களைக் குறிப்பிட வேண்டும் என்பதைத் தேர்ந்தெடுக்கிறது.

மனிதர்களில், மேலே குறிப்பிட்டபடி, இது ஒரு சிந்தனை கட்டமைப்பு. ஒரு குறிப்பிட்ட கட்டமைப்பைப் பயன்படுத்தி சிந்திக்கும்போது, நீண்ட கால நினைவகத்திலிருந்து ஒரு குறிப்பிட்ட அறிவுத் தொகுப்பு நினைவுகூரப்பட்டு குறுகிய கால நினைவகத்தில் ஏற்றப்படுகிறது. பின்னர், தற்போது உணரப்பட்ட தகவல்கள் சிந்தனை கட்டமைப்பின்படி ஒழுங்கமைக்கப்பட்டு சூழ்நிலையைப் புரிந்துகொள்ள உதவுகின்றன.

கற்றல் நுண்ணறிவு அமைப்பின் கோட்பாடுகள்

ஒரு கற்றல் நுண்ணறிவு அமைப்பு பின்வருமாறு செயல்படுகிறது:

ஒரு அறிவுசார் செயலி உலகத்தின் மீது செயல்படுகிறது. உலகமானது, இந்தச் செயலுக்குப் பதிலளித்து முடிவுகளைத் தருகிறது.

அறிவுசார் செயலி இந்த முடிவுகளிலிருந்து மீண்டும் பயன்படுத்தக்கூடிய அறிவைப் பிரித்தெடுத்து, அறிவுச் சேமிப்பகத்தில் சேமிக்கிறது.

உலகத்தின் மீது மீண்டும் மீண்டும் செயல்படும்போது, அறிவுசார் செயலி அறிவுச் சேமிப்பகத்திலிருந்து அறிவைத் தேர்ந்தெடுத்து, அதன் செயல்பாடுகளை மாற்றியமைக்க அதைப் பயன்படுத்துகிறது.

இதுவே அடிப்படை பொறிமுறை.

இருப்பினும், அடிப்படையாக, அறிவைப் பிரித்தெடுத்தல், சேமித்தல், தேர்ந்தெடுத்தல் மற்றும் பயன்படுத்துதல் ஆகிய முறைகளே ஒரு அமைப்பு அர்த்தமுள்ள கற்றலைச் செய்ய முடியுமா என்பதைத் தீர்மானிக்கின்றன.

மனிதர்கள் இந்த அறிவைப் பிரித்தெடுத்தல், சேமித்தல், தேர்ந்தெடுத்தல் மற்றும் பயன்படுத்துதல் ஆகியவற்றை திறம்பட கையாளும் வழிமுறைகளைக் கொண்டுள்ளனர், இது அவர்களைக் கற்றுக்கொள்ள உதவுகிறது.

LLMகள் உட்பட நரம்பியல் வலைப்பின்னல்களின் பிரித்தெடுத்தல் வெளிப்புற ஆசிரியர்களால் கையாளப்படுகிறது, ஆனால் அவை சேமிப்பு, தேர்வு மற்றும் பயன்பாட்டிற்கான வழிமுறைகளைக் கொண்டுள்ளன. இது அவர்களுக்கு ஒரு ஆசிரியர் வழங்கப்பட்டால் கற்றுக்கொள்ள அனுமதிக்கிறது.

மேலும், ஒரு கற்றல் நுண்ணறிவு அமைப்பு, கட்டமைப்புகளின் பிரித்தெடுத்தல், சேமிப்பு மற்றும் தேர்வு, மற்றும் நிலை நினைவகத்திற்குள் அவற்றின் பயன்பாட்டு முறைகளை அறிவாகக் கற்றுக்கொள்வதன் மூலம், மேலும் சிக்கலான கற்றலைச் செயல்படுத்த முடியும்.

அறிவின் வகைகள்

இந்தக் கோட்பாடுகளின் அடிப்படையில், பெறப்பட்ட கற்றலை வடிவமைக்கும்போது, பெறப்பட்ட அறிவு எந்த வடிவத்தில் இருக்கும் என்பதைத் தெளிவுபடுத்துவது அவசியம்.

பெறப்பட்ட அறிவையும் நரம்பியல் வலையமைப்பு அளவுருக்களாகத் தனித்தனியாகக் கற்றுக்கொள்ளும் முறையையும் கருதலாம்.

இருப்பினும், பெறப்பட்ட அறிவு நரம்பியல் வலையமைப்பு அளவுருக்களுக்கு மட்டுமே மட்டுப்படுத்தப்பட வேண்டியதில்லை. இயற்கை மொழியில் உரைவடிவில் உள்ள அறிவு ஒரு நடைமுறைக்குரிய வேட்பாளர்.

இயற்கை மொழியில் உரைவடிவில் உள்ள அறிவை, LLM-களின் இயற்கை மொழி செயலாக்கத் திறன்களைப் பயன்படுத்திப் பிரித்தெடுக்கவும் பயன்படுத்தவும் முடியும். மேலும், இது நிலையான தகவல் தொழில்நுட்ப அமைப்புகளின் தரவாகக் கையாளப்படுவதால், சேமிப்பும் தேர்வும் எளிது.

மேலும், இயற்கை மொழியில் உரைவடிவில் உள்ள அறிவை மனிதர்களும் பிற LLM-களும் சரிபார்க்கவும், புரிந்துகொள்ளவும், சில சந்தர்ப்பங்களில் அதன் உள்ளடக்கத்தைத் திருத்தவும் எளிதானது.

இதனை மற்ற கற்றல் நுண்ணறிவு அமைப்புகளுடன் பகிரவும், ஒன்றிணைக்கவோ அல்லது பிரிக்கவோ முடியும்.

இந்தக் காரணங்களுக்காக, ALIS கருத்தாக்கத்தில் பெறப்பட்ட அறிவு ஆரம்பத்தில் இயற்கை மொழியில் உரைவடிவில் உள்ள அறிவை இலக்காகக் கொண்டு வடிவமைக்கப்படும்.

பெறப்பட்ட நிலை நினைவகம் மற்றும் கட்டமைப்புகள்

பெறப்பட்ட அறிவிற்கான வடிவமாக இயற்கை மொழி உரையைத் தேர்ந்தெடுப்பதன் நன்மைகளை நாங்கள் விளக்கினோம்.

அதேபோல, நிலை நினைவகம் மற்றும் அனுமானத்திற்கான கட்டமைப்புகளுக்கும் இயற்கை மொழி உரையைப் பயன்படுத்தலாம்.

கருத்துருக் கட்டமைப்புகளாகிய கட்டமைப்புகள் இயற்கை மொழியில் உரைவடிவில் உள்ள அறிவாக, அறிவுச் சேமிப்பகத்தில் சேமிக்கப்பட்டு பயன்படுத்தப்படலாம்.

ஒரு கட்டமைப்பால் வரையறுக்கப்பட்ட கட்டமைப்பின் அடிப்படையில் நிலைகளைத் தொடங்கும்போதோ அல்லது புதுப்பிக்கும்போதோகூட, உரை வடிவ நிலை நினைவகத்தைப் பயன்படுத்தலாம்.

பெறப்பட்ட அறிவு மட்டுமல்லாமல், கட்டமைப்புகள் மற்றும் நிலை நினைவகம் ஆகிய இரண்டையும் உரை வடிவத்தில் வடிவமைப்பதன் மூலம், ALIS ஆனது, பெறப்பட்ட கற்றல் மற்றும் பொதுவான அனுமானம் ஆகிய இரண்டிற்கும் LLMகளின் இயற்கை மொழி செயலாக்கத் திறன்களைப் பயன்படுத்திக்கொள்ள முடியும்.

முறையான அறிவு

பெறப்பட்ட அறிவு, கட்டமைப்புகள் மற்றும் நிலை நினைவகம் ஆகியவை இயற்கை மொழி உரையில் மட்டுமல்லாமல், இன்னும் கடுமையான முறையான மொழிகள் அல்லது முறையான மாதிரிகளிலும் வெளிப்படுத்தப்படலாம்.

"தேர்ந்தெடு" என்று நான் எழுதினாலும், ALIS இன் நோக்கம் உள்ளார்ந்த மற்றும் பெறப்பட்ட கற்றலின் கலப்புப் பயன்பாட்டைச் செயல்படுத்துவதற்காக பல தனித்துவமான பெறப்பட்ட அறிவு கற்றல் வழிமுறைகளை இணைப்பதாகும்.

முறையான மொழிகள் அல்லது முறையான மாதிரிகளால் குறிப்பிடப்படும் அறிவை மேலும் துல்லியமாகவும், தெளிவற்ற தன்மை இல்லாமலும் உருவாக்க முடியும்.

மேலும், ஒரு கட்டமைப்பு ஒரு முறையான மொழி அல்லது மாதிரியைப் பயன்படுத்தி வெளிப்படுத்தப்பட்டு, ஒரு ஆரம்ப நிலை நிலை நினைவகத்தில் விரிந்தால், LLM க்குப் பதிலாக முறையான மாதிரிகளை செயலாக்கக்கூடிய ஒரு அறிவுசார் செயலி மூலம் கடுமையான மாதிரியுடன் ஒரு உருவகப்படுத்துதல் அல்லது தர்க்கரீதியான மேம்பாட்டைச் செய்ய முடியும்.

அத்தகைய முறையான மொழிகள் அல்லது முறையான மாதிரிகளுக்கு ஒரு சிறந்த எடுத்துக்காட்டு நிரலாக்க மொழிகள்.

அமைப்பு உலகத்தைப் பற்றி அறியும்போது, அதில் காணப்படும் விதிகள் மற்றும் கருத்துக்களை ஒரு கட்டமைப்பில் ஒரு நிரலாக வெளிப்படுத்த முடிந்தால், அதை ஒரு கணினியில் உருவகப்படுத்த முடியும்.

பத்தி 1: அறிவின் வகைகள்

ஒரு கற்றல் நுண்ணறிவு அமைப்பிற்குள் அறிவை ஒழுங்கமைக்கும்போது, அதை மூன்று வகையான அறிவு அமைப்புகளாகவும் இரண்டு வகையான நிலைகளாகவும் பரந்த அளவில் வகைப்படுத்தலாம் என்பது தெளிவாகிறது.

மூன்று அறிவு அமைப்புகள்: நரம்பியல் வலைப்பின்னல்களால் கையாளப்படும் வலையமைப்பு அளவுரு அறிவு; இயற்கை மொழியில் வெளிப்படுத்தப்படும் இயற்கை அறிவு; மற்றும் முறையான மொழிகளில் வெளிப்படுத்தப்படும் முறையான அறிவு.

இரண்டு வகையான நிலைகள் நிலை அற்ற (stateless) மற்றும் நிலை கொண்ட (stateful).

நிலை அற்ற வலையமைப்பு அளவுரு அறிவு என்பது ஆழ்ந்த கற்றல் AI இல் காணப்படும் உள்ளுணர்வு அறிவு போன்றது. பூனைகள் மற்றும் நாய்களின் அம்சங்கள், வெளிப்படையாக சிந்திக்கவோ அல்லது வாய்மொழியாக அடையாளம் காணவோ முடியாதவை, நிலை அற்ற வலையமைப்பு அளவுரு அறிவாகக் கற்றுக்கொள்ளப்படலாம்.

நிலை கொண்ட வலையமைப்பு அளவுரு அறிவு என்பது ஜெனரேட்டிவ் AI இல் உள்ளதைப் போன்ற தெளிவற்ற, தொடர்ச்சியான செயல்முறைகள் மூலம் வெளிப்படும் அறிவு.

நிலை அற்ற இயற்கை அறிவு என்பது தனிப்பட்ட வார்த்தைகளுடன் பிணைக்கப்பட்ட அர்த்தங்கள் போன்ற அறிவு.

நிலை கொண்ட இயற்கை அறிவு என்பது வாக்கியங்களுக்குள் உள்ள சூழலையும் உள்ளடக்கிய அறிவு.

சில இயற்கை அறிவு உள்ளார்ந்த முறையில் நிலை கொண்ட வலையமைப்பு அளவுரு அறிவில் சேர்க்கப்பட்டுள்ளது, ஆனால் இயற்கை மொழி உரையிலிருந்து பெறக்கூடிய அறிவும் உள்ளது.

நிலை அற்ற முறையான அறிவு என்பது கணித சூத்திரங்களில் மீண்டும் மீண்டும் செய்யாமல் வெளிப்படுத்தக்கூடிய அறிவு. நிலை கொண்ட முறையான அறிவு என்பது ஒரு நிரலாக வெளிப்படுத்தக்கூடிய அறிவு.

இயற்கை அறிவு மற்றும் முறையான அறிவுக்கு ஒருவர் தனது சொந்த குறுகிய கால நினைவகத்தையும் நிலை நினைவகமாகப் பயன்படுத்தலாம்.

இருப்பினும், இது குறுகிய கால நினைவகம் என்பதால், ஒரு நிலையை நிலையாக பராமரிப்பது கடினம் என்ற சிக்கல் உள்ளது. மேலும், முறையான, தெளிவற்ற நிலைகளை வைத்திருப்பதில் இது திறமையானது அல்ல.

மறுபுறம், காகிதம், கணினிகள் மற்றும் ஸ்மார்ட்போன்கள் ஆகியவற்றை இயற்கை மொழி உரை, முறையான மொழிகள் அல்லது முறையான மாதிரிகளை எழுதுவதற்கோ அல்லது திருத்துவதற்கோ நிலை நினைவகமாகப் பயன்படுத்தலாம்.

பொதுவாக, காகிதம் அல்லது கணினிகளில் உள்ள தரவு அறிவை நினைவில் கொள்வதற்கான ஒரு அறிவுச் சேமிப்பகமாகவே பெரும்பாலும் பார்க்கப்படுகிறது, ஆனால் இது சிந்தனைகளை ஒழுங்கமைப்பதற்கான நிலை நினைவகமாகவும் பயன்படுத்தப்படலாம்.

இவ்வாறு, மனிதர்கள் இந்த மூன்று அறிவு அமைப்புகளையும் இரண்டு வகையான நிலைகளையும் முழுமையாகப் பயன்படுத்தி அறிவுசார் செயல்பாடுகளைச் செய்கிறார்கள் என்பது தெளிவாகிறது.

ALIS உம், இந்த மூன்று அறிவு அமைப்புகளையும் இரண்டு வகையான நிலைகளையும் பயன்படுத்தும் அறிவுசார் செயல்பாடுகளைச் செயல்படுத்துவதன் மூலமும், அதை வலுப்படுத்துவதன் மூலமும் அதன் திறன்களை வியத்தகு முறையில் மேம்படுத்தும் திறனைக் கொண்டுள்ளது.

குறிப்பாக, ALIS ஆனது பரந்த அறிவுச் சேமிப்பகங்களையும் நிலை நினைவகத்தையும் பயன்படுத்தும் பலத்தைக் கொண்டுள்ளது. மேலும், ஒவ்வொன்றையும் பலவற்றைத் தயாரித்து, அவற்றை மாற்றி அல்லது இணைத்து அறிவுசார் பணிகளை எளிதாகச் செய்ய முடியும்.

பத்தி 2: அறிவுசார் ஒழுங்கமைப்பு

அறிவுச் சேமிப்பகத்தில் பரந்த அளவிலான அறிவைச் சேகரிக்க முடிவது ஒரு அனுகூலமாக இருந்தாலும், உருவாக்க AI ஒரு நேரத்தில் செயலாக்கக்கூடிய டோக்கன்களின் எண்ணிக்கை வரம்புகள் மற்றும் தேவையற்ற அறிவால் ஏற்படும் இரைச்சல் காரணமாக, அறிவின் அளவு அறிவுசார் செயல்பாட்டில் ஒரு நன்மையாக மாறுவதில்லை.

மாறாக, அறிவுச் சேமிப்பகத்தை பொருத்தமாகப் பிரித்து, ஒவ்வொரு அறிவுசார் பணிக்கும் தேவையான அறிவைக் கொண்ட அடர்த்தியான சிறப்பு அறிவுச் சேமிப்பகங்களாக மாற்றுவதன் மூலம், டோக்கன் வரம்புகள் மற்றும் இரைச்சல் சிக்கல்களைக் குறைக்கலாம்.

இதற்குப் பதிலாக, ஒவ்வொரு சிறப்பு அறிவுச் சேமிப்பகமும் அதற்கென ஒதுக்கப்பட்ட அறிவுசார் பணிக்கு மட்டுமே பயன்படுத்தக்கூடியதாக மாறும்.

பல அறிவுசார் செயல்பாடுகள் பல்வேறு அறிவுசார் பணிகளின் சிக்கலான கலவைகளாகும். எனவே, அறிவுசார் பணியின் வகைக்கு ஏற்ப அறிவை சிறப்பு அறிவுச் சேமிப்பகங்களாகப் பிரித்து, அறிவுசார் செயல்பாட்டை தனிப்பட்ட பணிகளாகப் பிரிப்பதன் மூலம், ALIS இந்த சிறப்பு அறிவுச் சேமிப்பகங்களுக்கு இடையில் பொருத்தமாக மாறுவதன் மூலம் முழு அறிவுசார் செயல்பாட்டையும் செயல்படுத்த முடியும்.

இது ஒரு இசைக்குழுவைப் போன்றது, வெவ்வேறு கருவிகளை வாசிக்கும் தொழில்முறை இசைக்கலைஞர்கள் மற்றும் முழு இசைக்குழுவையும் வழிநடத்தும் ஒரு நடத்துனர் ஆகியவற்றைக் கொண்டது.

இந்த அமைப்புத் தொழில்நுட்பமான அறிவுசார் ஒழுங்கமைப்பு மூலம், ALIS அதன் அறிவுசார் செயல்பாடுகளை ஒழுங்கமைக்க முடியும்.

ALIS அடிப்படை வடிவமைப்பு மற்றும் மேம்பாட்டு முறை

இனி, ALIS இன் மேம்பாட்டை ஒழுங்கமைப்போம்.

கோட்பாடுகளிலும் பத்திகளிலும் ஏற்கனவே விவாதித்தபடி, ALIS ஆனது, செயல்பாடுகள் மற்றும் வளங்களை எளிதாக விரிவுபடுத்தும் வகையில் உள்ளார்ந்த வடிவமைப்பைக் கொண்டது. ஏனெனில், ALIS இன் சாராம்சம் குறிப்பிட்ட செயல்பாடுகளில் இல்லை, மாறாக அறிவைப் பிரித்தெடுத்தல், சேமித்தல், தேர்ந்தெடுத்தல் மற்றும் பயன்படுத்துதல் ஆகிய செயல்முறைகளில் உள்ளது.

எடுத்துக்காட்டாக, பல வகையான அறிவுப் பிரித்தெடுக்கும் வழிமுறைகளை வழங்கலாம், மேலும் அவற்றை தேர்ந்தெடுப்பதற்கோ அல்லது ஒரே நேரத்தில் பயன்படுத்துவதற்கோ கணினி வடிவமைப்பு சுதந்திரமான தேர்வை அனுமதிக்கிறது.

மேலும், இந்தத் தேர்வை ALIS தானே செய்யுமாறு வடிவமைக்கலாம்.

அதேபோல், சேமிப்பு, தேர்வு மற்றும் பயன்பாடு ஆகியவையும் சுதந்திரமாகத் தேர்ந்தெடுக்கப்படலாம் அல்லது இணையாகச் செய்யப்படலாம்.

ஆகவே, ALIS ஆனது, நீர்வீழ்ச்சி முறையில் முழு செயல்பாட்டையும் வடிவமைக்கத் தேவையில்லாமல், படிநிலையாகவும் சுறுசுறுப்பாகவும் உருவாக்கப்படலாம்.

ALIS இன் ஆரம்பம்

இப்போது, மிக எளிய ALIS ஐ வடிவமைப்போம்.

அடிப்படை பயனர் இடைமுகம் (UI) ஒரு பரிச்சயமான உரையாடல் AI ஆக இருக்கும். ஆரம்பத்தில், பயனர் உள்ளீடு நேரடியாக LLM க்கு அனுப்பப்படுகிறது. LLM இன் பதில் UI இல் காட்டப்பட்டு, அடுத்த பயனர் உள்ளீட்டிற்காக கணினி காத்திருக்கும்.

அடுத்த உள்ளீடு கிடைத்தவுடன், LLM க்கு புதிய உள்ளீடு மட்டுமல்லாமல், பயனர் மற்றும் LLM க்கு இடையிலான முழு உரையாடல் வரலாறும் வழங்கப்படும்.

இந்த உரையாடல் AI இன் UI க்குப் பின்னால், உரையாடல் வரலாற்றிலிருந்து மீண்டும் பயன்படுத்தக்கூடிய அறிவைப் பிரித்தெடுக்க ஒரு பொறிமுறை தயாரிக்கப்படுகிறது.

இந்த பொறிமுறையை உரையாடல் முடிந்ததும் அல்லது வழக்கமான இடைவெளிகளில் இயங்கும் ஒரு செயல்முறையாக உரையாடல் AI அமைப்பில் சேர்க்கலாம். நிச்சயமாக, அறிவுப் பிரித்தெடுப்பிற்கு LLM பயன்படுத்தப்படுகிறது.

இந்த LLM க்கு ALIS கருத்தாக்கம் மற்றும் கோட்பாடுகள், அத்துடன் அறிவுப் பிரித்தெடுக்கும் அறிவு-எப்படி ஆகியவை கணினி கட்டளையாக வழங்கப்படும். நோக்கம் போல அறிவு பிரித்தெடுக்கப்படாவிட்டால், கணினி கட்டளையை முயற்சி மற்றும் பிழைகள் மூலம் மேம்படுத்த வேண்டும்.

உரையாடல் வரலாற்றிலிருந்து பிரித்தெடுக்கப்பட்ட அறிவு நேரடியாக அறிவு ஏரியில் சேமிக்கப்படுகிறது. அறிவு ஏரி என்பது அறிவை வடிவமைக்கும் முன் ஒரு தட்டையான நிலையில் சேமிப்பதற்கான ஒரு பொறிமுறை ஆகும்.

அடுத்து, அறிவு ஏரியிலிருந்து அறிவைத் தேர்ந்தெடுப்பதை எளிதாக்கும் ஒரு கட்டமைப்பு பொறிமுறை தயாரிக்கப்படுகிறது.

இதில் பொதுவான RAG இல் பயன்படுத்தப்படும் சொற்பொருள் தேடலுக்கான ஒரு உட்பொதித்தல் திசையன் சேமிப்பகம் மற்றும் முக்கியச் சொல் அட்டவணைகள் ஆகியவை அடங்கும்.

மேலும் மேம்பட்ட அறிவு வரைபடங்களை உருவாக்குதல் அல்லது வகை வகைப்பாடு செய்தல் போன்ற பிற சாத்தியக்கூறுகளும் உள்ளன.

அறிவு ஏரிக்கான இந்த கட்டமைப்புத் தகவல்களின் தொகுப்பு ஒரு அறிவுத் தளம் என்று அழைக்கப்படும். இந்த முழு அறிவுத் தளமும் அறிவு ஏரியும் இணைந்து அறிவுச் சேமிப்பகத்தை உருவாக்கும்.

அடுத்து, அறிவுச் சேமிப்பகம் உரையாடல் UI இன் செயலாக்கத்தில் ஒருங்கிணைக்கப்படுகிறது.

இது அடிப்படையில் ஒரு பொதுவான RAG பொறிமுறைக்கு ஒத்ததாகும். பயனர் உள்ளீட்டிற்கு, அறிவுச் சேமிப்பகத்திலிருந்து பொருத்தமான அறிவு தேர்ந்தெடுக்கப்பட்டு, பயனர் உள்ளீட்டுடன் LLM க்கு அனுப்பப்படுகிறது.

இது பயனர் உள்ளீட்டை செயலாக்கும்போது LLM தானாகவே அறிவைப் பயன்படுத்த அனுமதிக்கிறது.

இந்த வழியில், பயனருடனான ஒவ்வொரு உரையாடலிலும் அறிவு அதிகரித்து, கடந்த உரையாடல்களில் திரட்டப்பட்ட அறிவைப் பயன்படுத்தும் ஒரு எளிய ALIS செயல்படுத்தப்படுகிறது.

எளிய காட்சி

உதாரணமாக, ஒரு பயனர் இந்த எளிய ALIS ஐப் பயன்படுத்தி ஒரு வலைப் பயன்பாட்டை உருவாக்கும் காட்சியைக் கற்பனை செய்து பாருங்கள்.

LLM ஆல் முன்மொழியப்பட்ட குறியீட்டில் பிழை ஏற்பட்டது என்று பயனர் தெரிவிப்பார். பின்னர், பயனரும் LLM உம் இணைந்து சிக்கலைத் தீர்க்க முயற்சிப்பார்கள். LLM அறிந்திருந்த வெளி API விவரக்குறிப்பு காலாவதியானது என்றும், சமீபத்திய API விவரக்குறிப்புக்கு மாற்றியமைப்பதன் மூலம் சிக்கல் தீர்க்கப்பட்டது என்றும் அவர்கள் கண்டறிந்தனர் என்று வைத்துக் கொள்வோம்.

இந்தச் சூழ்நிலையில், LLM இன் API விவரக்குறிப்பு பழையது என்பதும், சமீபத்திய API விவரக்குறிப்பு என்ன என்பதும் குறித்த அறிவை இந்த உரையாடல் இழையிலிருந்து அறிவுச் சேமிப்பகத்தில் குவிக்க முடியும்.

பின்னர், அடுத்த முறை அதே API ஐப் பயன்படுத்தும் ஒரு நிரலை உருவாக்கும்போது, ALIS இந்த அறிவைப் பயன்படுத்தி, ஆரம்பத்திலிருந்தே சமீபத்திய API விவரக்குறிப்பின் அடிப்படையில் ஒரு நிரலை உருவாக்க முடியும்.

ஆரம்ப ALIS ஐ மேம்படுத்துதல்

இருப்பினும், இது நடைபெற, இந்த அறிவை பயனர் உள்ளீட்டிற்கு பதிலளிக்கும் விதமாகத் தேர்ந்தெடுக்க வேண்டும். பயனர் உள்ளீட்டில் சிக்கலை ஏற்படுத்திய API இன் பெயர் ஆரம்பத்தில் தோன்றுவதற்கு வாய்ப்பில்லாததால், இந்த அறிவு நேரடியாக பயனர் உள்ளீட்டுடன் இணைக்கப்படாமல் இருக்கலாம்.

அத்தகைய சூழ்நிலையில், API பெயர் LLM இன் பதிலில் முதல் முறையாக மட்டுமே வெளிப்படும்.

எனவே, எளிய ALIS ஐச் சற்று விரிவாக்கி, முன் ஆய்வு கருத்துகள் மற்றும் பின் ஆய்வு கருத்துகள் ஆகியவற்றுக்கான ஒரு பொறிமுறையைச் சேர்ப்போம்.

முன் ஆய்வு கருத்துகள் LLMகளில் உள்ள சமீபத்திய "சிந்தனை முறைக்கு" ஒத்தவை. உரை வடிவ நிலை நினைவகமாக செயல்படக்கூடிய ஒரு நினைவகத்தை நாம் தயார் செய்து, பயனர் உள்ளீட்டைப் பெற்றவுடன் முன் ஆய்வு கருத்துகளைச் செய்யுமாறு கணினி கட்டளை மூலம் LLM க்கு அறிவுறுத்துகிறோம்.

LLM இன் முன் ஆய்வு கருத்து முடிவு பின்னர் நிலை நினைவகத்தில் வைக்கப்படுகிறது, மேலும் இந்த முடிவின் அடிப்படையில், அறிவுச் சேமிப்பகத்திலிருந்து அறிவு தேர்ந்தெடுக்கப்படுகிறது.

பின்னர், உரையாடல் வரலாறு, முன் ஆய்வு கருத்து முடிவு, பயனர் உள்ளீட்டிற்கு ஒத்த அறிவு, மற்றும் முன் ஆய்வு கருத்து முடிவுக்கு ஒத்த அறிவு ஆகியவை LLM க்கு அனுப்பப்பட்டு அதன் வெளியீடு பெறப்படுகிறது.

மேலும், LLM ஆல் திரும்பப் பெறப்பட்ட முடிவிற்காக, அறிவுச் சேமிப்பகத்தில் அறிவு தேடப்படுகிறது. அங்கு கண்டறியப்பட்ட எந்த அறிவையும் சேர்த்து, பின்னர் LLM பின் ஆய்வு செய்யக் கோரப்படுகிறது.

ஏதேனும் சிக்கல்கள் கண்டறியப்பட்டால், சிக்கலான புள்ளிகள் மற்றும் கருத்துகளுக்கான காரணங்களுடன் அவை மீண்டும் உரையாடல் LLM க்கு அனுப்பப்படுகின்றன.

முன் ஆய்வு கருத்துகள் மற்றும் பின் ஆய்வு கருத்துகள் ஆகிய இரண்டிலும் அறிவைத் தேர்ந்தெடுப்பதற்கான வாய்ப்புகளை வழங்குவதன் மூலம், திரட்டப்பட்ட அறிவைப் பயன்படுத்துவதற்கான வாய்ப்புகளை நாம் அதிகரிக்க முடியும்.

வருங்காலப் பார்வை

ஆரம்ப ALIS ஐ உருவாக்கி, அதன் பலவீனங்களைச் சரிசெய்ய மேம்பாடுகளைச் சேர்க்கும் செயல்முறை, துல்லியமாக சுறுசுறுப்பான மேம்பாடு ஆகும், இது ALIS படிப்படியாக மேம்படுத்தப்பட முடியும் என்பதைக் காட்டுகிறது.

மேலும், எடுத்துக்காட்டப்பட்டது போல, ஆரம்பகால ALIS மென்பொருள் மேம்பாட்டில் பயன்படுத்த மிகவும் பொருத்தமானது. ஏனெனில் இது அதிக தேவை உள்ள ஒரு துறையாகும், மேலும் அறிவை தெளிவாகக் குவிக்கக்கூடிய ஒரு துறையாகும்.

இது முடிவுகள் தெளிவற்றதாக இல்லாத ஒரு டொமைன் ஆகும், ஆயினும் இது சோதனை மற்றும் பிழை, மீண்டும் மீண்டும் செய்யப்படும் அறிவுப் படிகமாக்கல் ஆகியவற்றிலிருந்து குறிப்பிடத்தக்க அளவில் பயனடைகிறது மற்றும் அவசியமாக்குகிறது.

கூடுதலாக, ALIS மேம்பாடே மென்பொருள் மேம்பாடு என்பதால், ALIS உருவாக்குநர்கள் ALIS பயனர்களாகவும் இருக்க முடியும் என்பது ஒரு கவர்ச்சிகரமான அம்சமாகும்.

மேலும், ALIS அமைப்புடன் சேர்ந்து, அறிவு ஏரி GitHub போன்ற தளங்களில் பகிரங்கமாகப் பகிரப்படலாம்.

இது பல தனிநபர்கள் ALIS அமைப்பின் மேம்பாட்டிற்கும் அறிவுப் படிகமாக்கலுக்கும் பங்களிக்க அனுமதிக்கும், அனைவரும் அதன் நன்மைகளை அனுபவித்து, ALIS மேம்பாட்டை மேலும் திறமையாக விரைவுபடுத்த முடியும்.

நிச்சயமாக, அறிவுப் பகிர்வு ALIS உருவாக்குநர்களுக்கு மட்டும் அல்ல; ALIS ஐப் பயன்படுத்தும் அனைத்து மென்பொருள் உருவாக்குநர்களிடமிருந்தும் இதைப் பெறலாம்.

அறிவின் இயற்கை மொழி இயல்பு இரண்டு கூடுதல் நன்மைகளை வழங்குகிறது.

முதல் நன்மை என்னவென்றால், LLM மாதிரிகள் மாறினாலும் அல்லது புதுப்பிக்கப்பட்டாலும் அறிவு பயன்படுத்தப்படலாம்.

இரண்டாவது நன்மை என்னவென்றால், பரந்த அளவில் திரட்டப்பட்ட அறிவு ஏரியை LLM களுக்கு முன் பயிற்சி தரவுத் தொகுப்பாகப் பயன்படுத்தலாம். இதை இரண்டு வழிகளில் பயன்படுத்தலாம்: நுண்ணிய சரிசெய்தல் ஆக, அல்லது LLM முன் பயிற்சிக்கு.

எப்படியிருந்தாலும், அறிவு ஏரியில் திரட்டப்பட்ட அறிவிலிருந்து உள்ளார்ந்த முறையில் கற்றுக்கொண்ட ஒரு LLM ஐப் பயன்படுத்த முடிந்தால், மென்பொருள் மேம்பாடு இன்னும் திறமையானதாக மாறும்.

மேலும், மென்பொருள் மேம்பாட்டில் தேவைகள் பகுப்பாய்வு, வடிவமைப்பு, செயல்படுத்தல், சோதனை, செயல்பாடு மற்றும் பராமரிப்பு போன்ற பல்வேறு செயல்முறைகள் அடங்கும். ஒவ்வொரு மென்பொருள் டொமைன் மற்றும் தளத்திற்கும் சிறப்பு அறிவு உள்ளது. இந்தக் கண்ணோட்டங்களிலிருந்து பரந்த அளவில் திரட்டப்பட்ட அறிவைப் பிரிக்கும் ஒரு வழிமுறையை உருவாக்குவதன் மூலம், ஒரு ALIS அறிவுசார் ஒழுங்கமைப்பு உருவாக்கப்படலாம்.

இவ்வாறு, ALIS க்கான அடிப்படைக் தொழில்நுட்பங்கள் உள்ளன. மீதமுள்ள முக்கியமான படி என்னவென்றால், அறிவு பிரித்தெடுக்கும் அறிவு-எப்படி, பொருத்தமான அறிவுத் தேர்வு, சிறப்பு அறிவுப் பிரிப்பு மற்றும் நிலை நினைவகப் பயன்பாடு போன்ற பல்வேறு முறைகளை நடைமுறையில் பரிசோதித்து பயனுள்ள அணுகுமுறைகளைக் கண்டறிவதாகும். சிக்கலானது அதிகரிக்கும்போது, செயலாக்க நேரம் மற்றும் LLM பயன்பாட்டுச் செலவுகளும் அதிகரிக்கும், இது மேம்படுத்தலை அவசியமாக்குகிறது.

இந்த முயற்சி மற்றும் பிழை செயல்முறைகள் மற்றும் மேம்படுத்தல்கள், கட்டமைப்புகளின் மேம்பாடு மற்றும் செப்பனிடுதல் மூலம் கற்றல் சார்ந்த முறையில் முன்னெடுக்கப்படலாம்.

ஆரம்பத்தில், உருவாக்குநர்கள், பயனர்களாக, ALIS இல் கட்டமைப்புகளை முயற்சி மற்றும் பிழை மூலம் ஒருங்கிணைக்கலாம். இருப்பினும், அப்போதும் கூட, LLM தானே கட்டமைப்பு யோசனைகளை உருவாக்கப் பணிக்கப்படலாம்.

பின்னர், உலகிலிருந்து பெறப்பட்ட முடிவுகள் மற்றும் பிரித்தெடுக்கப்பட்ட அறிவின் அடிப்படையில், கட்டமைப்புகளை மேம்படுத்துவதற்கும் கண்டுபிடிப்பதற்கும் ஒரு கட்டமைப்பை ALIS இல் இணைப்பதன் மூலம், ALIS தானே கற்றல் சார்ந்த முறையில் முயற்சி மற்றும் பிழை மற்றும் மேம்படுத்தலைச் செய்யும்.

நிஜ உலகில் ALIS

ALIS இந்த நிலைக்குச் செப்பனிடப்பட்டவுடன், மென்பொருள் மேம்பாட்டு உலகத்திற்கு மட்டும் மட்டுப்படுத்தப்படாமல், பல்வேறு வகையான களங்களில் அறிவைப் பெறும் திறன் கொண்டதாக இருக்க வேண்டும்.

மென்பொருள் மேம்பாட்டைப் போலவே, மனிதர்கள் கணினிகளைப் பயன்படுத்திச் செய்யும் பல்வேறு அறிவுசார் செயல்பாடுகளுக்கும் ALIS தனது பயன்பாட்டு எல்லையை விரிவுபடுத்தும் என்று எதிர்பார்க்கப்படுகிறது.

அத்தகைய தூய அறிவுசார் செயல்பாடுகளிலும் கூட, ALIS தனது இலக்கு உலகத்துடன் தொடர்புடைய ஒரு உருக்கொண்ட AI போன்ற ஒரு பண்பைக் கொண்டிருக்கும்.

ஏனென்றால், அது தனக்கும் உலகிற்கும் இடையிலான எல்லையை அடையாளம் காண்கிறது, அந்த எல்லை வழியாக உலகின் மீது செயல்படுகிறது, மேலும் உலகிலிருந்து பெறப்பட்ட தகவலை உணரவும் முடியும்.

உலகத்துடனான இந்த எல்லை உடல் ரீதியாகத் தெரிந்து, ஒரு இடத்தில் குவிந்திருக்கும்போது, அதை நாம் பொதுவாக ஒரு உடல் என்று குறிப்பிடுகிறோம்.

இருப்பினும், எல்லை கண்ணுக்குத் தெரியாததாகவும், பரவலாகவும் சிதறியிருந்தாலும், எல்லை வழியாக உணர்தல் மற்றும் செயல்படும் அமைப்பு, பௌதிக உடலைக் கொண்டிருக்கும்போது உள்ளதைப் போலவே இருக்கும்.

இந்த அர்த்தத்தில், அறிவுசார் செயல்பாடுகளைச் செய்யும் ஒரு ALIS ஆனது, மெய்நிகராக ஒரு உருக்கொண்ட AI இன் பண்புகளைக் கொண்டதாகக் கருதலாம்.

மேலும், ALIS புதிய, அறியாத உலகங்களிலும் கூட பொருத்தமாக கற்றுக்கொள்ளக்கூடிய ஒரு நிலைக்குச் செப்பனிடப்பட்டால், உண்மையான பௌதிக உடலைக் கொண்ட ஒரு நிஜ உருக்கொண்ட AI இன் ஒரு பகுதியாக ALIS ஐ இணைக்க ஒரு வாய்ப்பு உள்ளது.

இந்த வழியில், ALIS இறுதியில் நிஜ உலகில் பயன்படுத்தப்பட்டு, அதிலிருந்து கற்றுக்கொள்ளத் தொடங்கும்.