നിര്വചനം
നിലവിലുള്ള ഡാറ്റയിൽ നിന്ന് പാറ്റേണുകൾ പഠിച്ചുകൊണ്ട് ടെക്സ്റ്റ്, ഇമേജുകൾ, വീഡിയോ അല്ലെങ്കിൽ സംഗീതം പോലുള്ള പുതിയ ഉള്ളടക്കം സൃഷ്ടിക്കുന്ന കൃത്രിമ ബുദ്ധി സംവിധാനങ്ങളെയാണ് ജനറേറ്റീവ് AI സൂചിപ്പിക്കുന്നത്. പരമ്പരാഗത AI-യിൽ നിന്ന് വ്യത്യസ്തമായി, ഇത് ഇൻപുട്ടുകൾ വിശകലനം ചെയ്യുകയോ തരംതിരിക്കുകയോ ചെയ്യുന്നതിനുപകരം പുതിയ ഔട്ട്പുട്ടുകൾ ഉത്പാദിപ്പിക്കുന്നു.
ഉദ്ദേശ്യം
സൃഷ്ടിപരമായ ജോലികളിൽ സഹായിക്കുക, ഉള്ളടക്ക ഉൽപ്പാദനം ഓട്ടോമേറ്റ് ചെയ്യുക, മനുഷ്യന്റെ ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിക്കുക എന്നിവയാണ് ഇതിന്റെ ഉദ്ദേശ്യം. ഡിസൈൻ, എഴുത്ത്, വിനോദം, ശാസ്ത്രീയ കണ്ടെത്തൽ എന്നിവയിൽ ഇത് വ്യാപകമായി ഉപയോഗിക്കുന്നു.
പ്രാധാന്യം
- ഡൊമെയ്നുകളിലുടനീളം ദ്രുത പ്രോട്ടോടൈപ്പിംഗും സർഗ്ഗാത്മകതയും പ്രാപ്തമാക്കുന്നു.
- ഉള്ളടക്ക നിർമ്മാണത്തിൽ സ്വമേധയാ ഉള്ള പരിശ്രമം കുറയ്ക്കുന്നു.
- തെറ്റായ വിവരങ്ങൾ, പകർപ്പവകാശം, ദുരുപയോഗം എന്നിവയെക്കുറിച്ചുള്ള ആശങ്കകൾ ഉയർത്തുന്നു.
- GAN-കൾ, VAE-കൾ, വലിയ ഭാഷാ മോഡലുകൾ തുടങ്ങിയ മോഡലുകളുമായി അടുത്ത ബന്ധമുണ്ട്.
ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു
- വലിയ പരിശീലന ഡാറ്റാസെറ്റുകൾ ശേഖരിച്ച് പ്രീപ്രോസസ്സ് ചെയ്യുക.
- ജനറേറ്റീവ് മോഡലുകൾ (ഉദാ: GAN-കൾ, ട്രാൻസ്ഫോർമറുകൾ, ഡിഫ്യൂഷൻ മോഡലുകൾ) പരിശീലിപ്പിക്കുക.
- പരിശീലന ഡാറ്റയുടെ സാധ്യതാ വിതരണങ്ങൾ പഠിക്കുക.
- പുതിയ ഔട്ട്പുട്ടുകൾ സൃഷ്ടിക്കാൻ മോഡലിനെ സാമ്പിൾ ചെയ്യുക അല്ലെങ്കിൽ പ്രോംപ്റ്റ് ചെയ്യുക.
- ഉപയോക്തൃ ഫീഡ്ബാക്ക് അല്ലെങ്കിൽ പോസ്റ്റ്-പ്രോസസ്സിംഗ് ഉപയോഗിച്ച് ഔട്ട്പുട്ടുകൾ പരിഷ്കരിക്കുക.
ഉദാഹരണങ്ങൾ (യഥാർത്ഥ ലോകം)
- DALL·E (OpenAI): ടെക്സ്റ്റ് പ്രോംപ്റ്റുകളിൽ നിന്ന് ചിത്രങ്ങൾ സൃഷ്ടിക്കുന്നു.
- സ്റ്റേബിൾ ഡിഫ്യൂഷൻ: ഓപ്പൺ സോഴ്സ് ടെക്സ്റ്റ്-ടു-ഇമേജ് ജനറേഷൻ.
- ChatGPT: മനുഷ്യനു സമാനമായ വാചക പ്രതികരണങ്ങൾ സൃഷ്ടിക്കുന്നു.
റഫറൻസുകൾ / കൂടുതൽ വായന
- "നിങ്ങൾക്ക് വേണ്ടത് ശ്രദ്ധ മാത്രമാണ്" - വാസ്വാനി തുടങ്ങിയവർ, ന്യൂറിഐപിഎസ് 2017.
- ജനറേറ്റീവ് AI ലാൻഡ്സ്കേപ്പ് — സ്റ്റാൻഫോർഡ് മനുഷ്യകേന്ദ്രീകൃത AI.
- ഗുഡ്ഫെലോ തുടങ്ങിയവർ. ഡീപ് ലേണിംഗ്. എംഐടി പ്രസ്സ്.
- ജനറേറ്റീവ് AI പരിശീലന ഡാറ്റ
