ChatGPT യുടെ അത്ഭുതലോകം ഗൂഗിളിന്റെ അന്ത്യം കുറിക്കുമോ?

നമ്മുടെ ചോദ്യങ്ങള്‍ക്കെല്ലാം കൃത്യമായി ഉത്തരം നല്‍കുന്ന ചാറ്റ് ജി.പി.ടി (ChatGPT), സാങ്കേതിക വിദ്യ ലോകത്ത് വന്‍ ചര്‍ച്ചാ വിഷയമായിരിക്കുകയാണ്. ആദ്യത്തെ അഞ്ച് ദിവസം കൊണ്ട് ഒരു മില്യന്‍ ഉപഭോക്താക്കളാണ് ChatGPT യില്‍ ലോഗിന്‍ ചെയ്തത്. ഇന്‍സ്റ്റഗ്രാമിന് ഒരു മില്യന്‍ ഉപഭോക്താക്കള്‍ ആകാന്‍ രണ്ടരമാസമായിരുന്നു സമയമെടുത്ത്. 10 മാസം കൊണ്ടാണ് ഇത്രയും ഉപഭോക്താക്കളെ ഫേസ്ബുക്ക് നേടിയെടുത്തത്. ട്വിറ്ററിന് 24 മാസം വേണ്ടിവന്നു ഇത്രയും ആളുകള്‍ ലോഗിന്‍ ചെയ്യാന്‍. ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്റ് അധിഷ്ഠിതമായ ChatGPT യുടെ ഈ സാങ്കേതികവിദ്യ നിര്‍മിച്ചിരിക്കുന്നത് OpenAI എന്ന കമ്പനിയാണ്. നമ്മുടെ സ്വാഭാവിക ഭാഷയില്‍ ചോദിക്കുന്ന ചോദ്യങ്ങള്‍ക്ക് ഉത്തരം നല്‍കുന്ന, ഒരു നിര്‍മിത ബുദ്ധി അധിഷ്ഠിത സംഭാഷണ (ചാറ്റ്) സോഫ്റ്റ്‌വെയര്‍ ആണ് ChatGPT.

ഒരു വിഷയം ചോദിക്കുമ്പോള്‍ ഗൂഗ്ള്‍ നമുക്ക് അതുമായി ബന്ധപ്പെട്ട വിവരങ്ങളുടെയും വെബ്‌സൈറ്റുകളുടെയും ലിങ്കുകള്‍ ആയിരുന്നു തന്നിരുന്നത്. നാം അതില്‍ പോയി നോക്കിയാല്‍ മാത്രമേ നമുക്ക് വിവരങ്ങള്‍ ലഭ്യമായിരുന്നുള്ളൂ. അതേസമയം ചാറ്റ് ജി.പി.ടി നമുക്ക് നേര്‍ക്കുനേര്‍ ഉത്തരം നല്‍കുന്നു. ലോകത്തെ ഏത് വിഷയമാവട്ടെ ChatGPT അതിനു കൃത്യമായ ഉത്തരം നല്‍കുന്നു. നമുക്ക് ആവശ്യമുള്ള ഏത് കാര്യത്തിനും മറുപടി നല്‍കുന്ന ഒരു പേഴ്‌സണല്‍ അസിസ്റ്റന്റിനെ പോലെ ഇതിനെ കാണാം. https://openai.com എന്ന വെബ്‌സൈറ്റ് വഴി ഏതൊരാള്‍ക്കും ഇത് ഉപയോഗിക്കാന്‍ കഴിയും. നമ്മുടെ മെയില്‍ ഐ.ഡി കൊടുത്ത് അക്കൗണ്ട് ഉണ്ടാക്കി Sign In ചെയ്യണം. ഇപ്പോള്‍ സേവനം ഫ്രീയാണ്. ഭാവിയില്‍ ഇതിന് ചാര്‍ജ് ഈടാക്കി തുടങ്ങാനാണ് സാധ്യത. (https://chat.openai.com/chat)

രാഷ്ട്രീയമോ ശാസ്ത്രീയമോ സാമൂഹികമോ ആയ എന്ത് വിഷയം ചോദിച്ചാലും ഇതില്‍ നിന്നും നമുക്ക് മറുപടി ലഭിക്കും. കഥയോ കവിതയോ നോവലോ എഴുതാന്‍ പറഞ്ഞാലും ഉത്തരം റെഡി. പുസ്തകങ്ങളുടെ ഇതിവൃത്തം പറയാന്‍ പറഞ്ഞാല്‍ അതും ലഭിക്കും. ഭക്ഷണ റെസിപ്പികള്‍ മുതല്‍ ജോലിക്ക് ആവശ്യമായ റെസ്യൂമുകള്‍, ബിസിനസ്സ് റിപ്പോര്‍ട്ടുകള്‍ വരെ ആളുകള്‍ ഇത് ഉപയോഗിച്ച് തയ്യാറാക്കാന്‍ തുടങ്ങി കഴിഞ്ഞു. സോഫ്റ്റ്‌വെയര്‍ കോഡുകളും അതിന്റെ ബഗ്ഗുകളുമെല്ലാം ചാറ്റ് ജി.പി.ടി.ക്ക് കണ്ടുപിടിച്ചു തരാന്‍ കഴിയുന്നുണ്ട്. സന്ദര്‍ഭോചിതമായി വാക്കുകള്‍ ഉപയോഗിക്കാന്‍ കഴിയുന്ന ഒരു നിര്‍മിത ബുദ്ധി ഭാഷാ മാതൃകയാണ് ജി.പി.ടി അഥവാ ജെനറേറ്റിവ് പ്രീട്രെയിന്‍ഡ് ട്രാന്‍സ്‌ഫോമര്‍ (Generative Pre-trained Transformer).

Open AI കമ്പനി

ഇപ്പോഴത്തെ സി.ഇ.ഒ ആയ Sam Altman, Elon Musk, Greg Brockman, Ilya Sutskever, John Schulman എന്നിവരുടെ നേതൃത്വത്തില്‍ 2015, December 15ലാണ് Open AI എന്ന കമ്പനി രൂപമെടുക്കുന്നത്. എന്നാല്‍, 2018ല്‍ ഇലോണ്‍ മസ്‌ക് ഇവിടെ നിന്നും രാജിവെച്ചു.

ChatGPTt, പരീക്ഷണാടിസ്ഥാനത്തില്‍ മുന്‍പ് ഇതിന്റെ വ്യത്യസ്ത ചെറിയ വേര്‍ഷനുകള്‍ പരിമിതമായി റിലീസ് ചെയ്തിരുന്നു. 2022 നവംബര്‍ 30നാണ് ചാറ്റ് ജി.പി.ടി പൊതുജങ്ങള്‍ക്കായി പൂര്‍ണാര്‍ഥത്തില്‍ ലോഞ്ച് ചെയ്തത്. 15 ഡിസംബറിനെ അതിന്റെ ഒരു പുതിയ എമ്പഡട് (embedded) മോഡലും പുറത്തിറക്കി.

മൈക്രോസോഫ്റ്റ് ഒരു ബില്യണ്‍ ഡോളറാണ് ഓപ്പണ്‍ എ.ഐ കമ്പനിയില്‍ നിക്ഷേപിച്ചിരിക്കുന്നത്. മൈക്രോസോഫ്റ്റ് ഇനിയും കൂടുതല്‍ നിക്ഷേപിക്കാന്‍ താല്‍പര്യം ഉണ്ടെന്നാണ് മാധ്യമ വാര്‍ത്തകള്‍ പറയുന്നത്. ഈ വര്‍ഷം 200 മില്യണ്‍ ഡോളര്‍ വരുമാനമാണ് ഓപ്പണ്‍ എ.ഐ കമ്പനി പ്രതീക്ഷിക്കുന്നത്. 2024ല്‍ ഒരു ബില്യണ്‍ ഡോളര്‍ റവന്യൂവും ലഭിക്കുമെന്നും കമ്പനി കണക്കുകൂട്ടുന്നു.

ഉപയോഗിക്കുന്നതിനു പണം ആവശ്യമുണ്ടോ?

ഉപഭോക്താക്കള്‍ക്കുള്ള സേവനങ്ങള്‍ ഈ പരീക്ഷണ കാലയളവില്‍ ഫ്രീ ആണ്. താമസംവിനാ ഇതിന് ചെറിയ രീതിയിലുള്ള ചാര്‍ജ് ഈടാക്കി തുടങ്ങാനാണ് സാധ്യത. ചെറിയ പണമാണ് ഈടാക്കുക എന്ന് അതിന്റെ സിഇഒ സാം ആള്‍ട് മാന്‍, കമ്പനി മുന്‍ അംഗം കൂടിയായ ഇലോണ്‍ മസ്‌കിനുള്ള ഒരു ട്വിറ്റര്‍ മറുപടിയില്‍ പറയുന്നുണ്ട്. 2,000 വാക്കുകള്‍ക്ക് ഒരു Penny എന്നാണു റിപ്പോര്‍ട്ടുകള്‍ സൂചിപ്പിക്കുന്നത്.

കൂടുതല്‍ ഡാറ്റ ലഭിക്കുമ്പോഴാണ് ഈ എന്‍ജിന് കൂടുതല്‍ കൃത്യമായ വിവരങ്ങള്‍ ഉപഭോക്താക്കള്‍ക്ക് നല്‍കാന്‍ കഴിയുക. അതിനാല്‍ കുറച്ചുകാലം കൂടി ഫ്രീയായി സേവനം ലഭിച്ചേക്കും. നിത്യജീവിതത്തില്‍ പല ആവശ്യങ്ങള്‍ക്കും ഇതിന്റെ സേവനം വളരെ ഉപകാരപ്രദമാകും എന്നതിനാല്‍ തന്നെ, ഭാവിയില്‍ പലരും ഇത് പണം കൊടുത്ത് ഉപയോഗിക്കാനുള്ള സാധ്യത വളരെ കൂടുതലാണ്. നമ്മെ സഹായിക്കുന്ന ഒരു PA-പേഴ്‌സണല്‍ അസിസ്റ്റ് - ക്ക് കൊടുക്കുന്ന സാലറി താരതമ്യപ്പെടുത്തുമ്പോള്‍ ഇങ്ങനെ ഒരു സിസ്റ്റം ഉപയോഗിക്കുന്നതിന്റെ ചിലവ് വളരെ കുറവാകാനാണ് സാധ്യത.

DALL-E എന്ന ഓപ്പണ്‍ എ.ഐയുടെ തന്നെ മറ്റൊരു പ്രോജക്ട് ഉണ്ട്. നമ്മള്‍ നല്‍കുന്ന വിവരങ്ങള്‍ അനുസരിച്ച് ഒരു നല്ല ചിത്രം (image) വരച്ച്, അല്ലെങ്കില്‍ ഉണ്ടാക്കിത്തരിക എന്നതാണ് ഇതിന്റെ സേവനം. ഇതില്‍ ഇപ്പോള്‍ തന്നെ 50 എണ്ണം എന്ന ലിമിറ്റ് ഉണ്ട്. അതുകഴിഞ്ഞാല്‍ നമ്മുടെ വാലറ്റുകള്‍ നിറച്ചാല്‍ മാത്രമേ വീണ്ടും ഇതില്‍ നിന്നും ചിത്രങ്ങള്‍ ഉണ്ടാക്കാന്‍ സാധിക്കൂ. ചിത്രങ്ങളും വീഡിയോകളും നിര്‍മിക്കുന്ന മറ്റ് കമ്പനികളുടെ എ.ഐ അധിഷ്ഠിത സേവനങ്ങള്‍ക്ക് ഇപ്പോള്‍ തന്നെ ചാര്‍ജ് ഉണ്ട്.

ഏത് ജോലിക്കാണ് ChatGPT ഭീഷണി?

Content wrtiers നെയാണ് ചാറ്റ് ജി.പി.ടി കാര്യമായി ബാധിക്കുക. അടിസ്ഥാനപരമായി പലതരം സ്‌ക്രിപ്റ്റുകള്‍ എഴുതുന്ന ജോലിക്കാരുടെ അവസരങ്ങളെ പുതിയ ടെക്‌നോളജി പ്രതികൂലമായി ബാധിക്കും. ഉദാഹരണത്തിന് വ്യത്യസ്ത വിഷയങ്ങളെക്കുറിച്ച് ആര്‍ട്ടിക്കിളുകള്‍ തയ്യാറാക്കുക, പരസ്യവാചകങ്ങളും നല്ല കാപ്ഷനുകളും ഉണ്ടാക്കുക, വെബ്‌സൈറ്റുകള്‍ക്കും മറ്റും വേണ്ടി കണ്ടെന്റുകള്‍ ഉണ്ടാക്കുക, മെയിലുകള്‍ക്ക് റിപ്ലൈ തയ്യാറാക്കുക, പ്രോസസ്സുകളെയും പ്രോജക്റ്റുകളെയും കുറിച്ച് റിപ്പോര്‍ട്ടുകള്‍ തയ്യാറാക്കുക തുടങ്ങിയ മേഖലകളിലെല്ലാം തന്നെ ChatGPTക്ക് വന്‍ സംഭാവനകള്‍ നല്‍കാന്‍ കഴിയും. അതിനാല്‍ ഈ മേഖലകളില്‍ ജോലി ചെയ്യുന്നവര്‍ക്ക് പുതിയ ടെക്‌നോളജി ഒരു ഭീഷണിയായി മാറിയേക്കും. പത്രപ്രവര്‍ത്തനം, നിയമ വ്യവഹാരികള്‍, കോപ്പിറൈറ്റേഴ്‌സ്, കോള്‍ സെന്ററുകള്‍ തുടങ്ങിയവയെ ഇത് പ്രതികൂലമായി ബാധിച്ചേക്കാം. അടുത്ത ലെവലില്‍, ചിത്രങ്ങള്‍, വീഡിയോ എഡിറ്റേഴ്‌സ് തുടങ്ങിയവര്‍ക്കും AI അധിഷ്ഠിത സര്‍വീസുകള്‍ ഉപകാരപ്രദമാകും. ഇവരുടെ ജോലിയെ റീപ്ലൈസ് ചെയ്യില്ലെങ്കിലും, ഒരുപാട് സമയവും അധ്വാനവും ആവശ്യമായി വരുന്ന ഈ മേഖലയില്‍ വളരെ കുറഞ്ഞ സമയം കൊണ്ട് ഔട്ട്പുട്ടുകള്‍ നല്‍കാനും, അവരെ സഹായിക്കാനും പുതിയ ടെക്‌നോളജികള്‍ക്ക് കഴിയും.

ചാറ്റ് ജിപിടിക്കു പിന്നിലെ ടെക്‌നോളജി

Generative Pre-trained Transformer (GPT)

ട്രാന്‍സ്‌ഫോര്‍മറുകള്‍

പദങ്ങളും പുതിയ വാചകങ്ങളും ഉണ്ടാക്കുക, ഭാഷാ വിവര്‍ത്തനം തുടങ്ങിയവയെല്ലാം നടത്താന്‍ കഴിവുള്ള NLP ആര്‍ക്കിടെക്ചറിനെയാണ് ട്രാന്‍സ്‌ഫോര്‍മറുകള്‍ എന്ന് വിളിക്കുന്നത്. 2017ല്‍ ഗൂഗിള്‍ ഗവേഷകരാണ് ഈ പദം ആദ്യമായി ഉപയോഗിക്കുന്നത്. ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്റലിജന്‍സിന്റെ ആദ്യകാലം മുതല്‍ തന്നെ, മനുഷ്യരുടെ ഭാഷ എങ്ങിനെ നേര്‍ക്കുനേര്‍ കമ്പ്യൂട്ടറുകളുമായി സംവദിപ്പിക്കാം എന്ന ഗവേഷണം ആരംഭിച്ചിട്ടുണ്ട്. ഇതിനെയാണ് നാച്ചുറല്‍ ലാംഗ്വേജ് പ്രോസസിംഗ് (NLP) ഉള്‍പ്പെടുത്തിയിട്ടുള്ളത്.

നമ്മുടെ തലച്ചോറില്‍ ഏത് സന്ദര്‍ഭത്തിലും അനുയോജ്യമായ വാക്കുകളും ആശയങ്ങളും ശേഖരിച്ച് വെച്ചിട്ടുണ്ട്. നമ്മുടെ അനുഭവങ്ങള്‍ക്കും ബുദ്ധിക്കും അനുസരിച്ച് പല ചോദ്യങ്ങളും നമ്മള്‍ അതില്‍ നിന്നും ആവശ്യമുള്ള വാക്കുകള്‍ എടുത്ത് ഉത്തരം നല്‍കുന്നു. നല്ല ഭാഷാ പരിജ്ഞാനം ഉള്ളവര്‍ക്ക് കൂടുതല്‍ പദങ്ങള്‍ ഉപയോഗിച്ച് ആശയ വിനിമയം നടത്താന്‍ സാധിക്കും.

ഇതുപോലെ സന്ദര്‍ഭത്തിന് അനുസരിച്ച് മറുപടി നല്‍കാന്‍ കമ്പ്യൂട്ടറുകളെ പഠിപ്പിക്കുക എന്നത് വളരെ സങ്കീര്‍ണമാണ്. വോയിസ് ടു ടെസ്റ്റ്, ടെക്സ്റ്റ് ടു സ്പീച്, ട്രാന്‍സ്‌ലേഷന്‍ തുടങ്ങിയവ ഈ ഭാഷ പ്രോസസിംഗ് ഗണത്തിലെ ആദ്യത്തെ വന്‍ ചുവടുവെപ്പുകള്‍ ആയിരുന്നു. പിന്നീടാണ് മെഷീനിംഗ് മോഡലുകള്‍ വരുന്നത്.

നാം മുമ്പേ നല്‍കിയ വാക്കുകളുടെ ക്രമത്തില്‍ നിന്ന്, അതുമല്ലെങ്കില്‍ നാം പഠിപ്പിച്ചു വെച്ച ശേഖരത്തില്‍ നിന്നും, അടുത്ത വാക്ക് പ്രവചിക്കാന്‍ കഴിയുക. ഇതിനെയാണ് ഭാഷ മോഡലുകള്‍ എന്ന് പറയുന്നത്. മുപ്പതിനായിരം കോടിയില്‍ അധികം വാക്കുകള്‍ ഉപയോഗിച്ചാണ് ആദ്യഘട്ടത്തില്‍ ChatGPTക്ക് പരിശീലനം നല്‍കിയത്.

RLHF (Reinforcement Learning from Human Feedback) ട്രെയിനിങ് ആണ് chatGPTയില്‍ ഉപയോഗിച്ചിരിക്കുന്നത്. മുന്‍കൂട്ടി പ്രോഗ്രാം ചെയ്ത റിവാര്‍ഡുകളില്‍ നിന്നും ശിക്ഷകളില്‍ നിന്നും പഠിക്കുന്നതിനുപകരം മനുഷ്യര്‍ നല്‍കുന്ന ഫീഡ്ബാക്കില്‍ നിന്ന് പഠിക്കാന്‍ AI ഏജന്റുമാരെ പരിശീലിപ്പിക്കുന്നത് ഉള്‍പ്പെടുന്ന ഒരു തരം മെഷീന്‍ ലേണിംഗ് ആണ് ഇത്. റോബോട്ടിക്സ്, നാച്ചുറല്‍ ലാംഗ്വേജ് പ്രോസസ്സിംഗ്, ഗെയിം പ്ലേയിംഗ് എന്നിങ്ങനെയുള്ള വിവിധ ജോലികളില്‍ AI സിസ്റ്റങ്ങളുടെ പ്രകടനം മെച്ചപ്പെടുത്താന്‍ RLHF ഉപയോഗിക്കാം. RLHF-ന്റെ ലക്ഷ്യം, AI സിസ്റ്റങ്ങളെ മനുഷ്യ മുന്‍ഗണനകളോട് കൂടുതല്‍ പ്രതികരിക്കുകയും മനുഷ്യരുമായി സഹകരിച്ച് പ്രവര്‍ത്തിക്കാന്‍ കൂടുതല്‍ പ്രാപ്തമാക്കുകയും ചെയ്യുക എന്നതാണ്.

ഭാഷ മോഡലുകളെ ഒരുപാട് സാമ്പിളുകളും ഡാറ്റാ സെറ്റുകളും ഉപയോഗിച്ച് ആദ്യരൂപത്തില്‍ പരിശീലിപ്പിക്കുന്നതിനാണ് 'പ്രീ ട്രെയിനിങ്' എന്ന് പറയുന്നത്. അതുവഴി, ജി.പി.ടി അതിന്റെ ആദ്യ പാഠങ്ങള്‍ പഠിക്കുന്നു. മുപ്പതിനായിരം കോടിയില്‍ അധികം വാക്കുകള്‍ ഉപയോഗിച്ചാണ് ആദ്യഘട്ടത്തില്‍ ChatGPTക്ക് പരിശീലനം നല്‍കിയത്. മെഷീന്‍ ഇത് പഠിച്ചു കഴിഞ്ഞാല്‍ വ്യത്യസ്ത വാക്കുകള്‍ നല്‍കിയാല്‍ അതില്‍ നിന്നും വാചകങ്ങള്‍ ഉണ്ടാക്കുക, ആശയം മനസ്സിലാക്കുക, തുടങ്ങിയവ ചെയ്യാന്‍ കഴിയും. അല്ലെങ്കില്‍ കുറച്ചു വാക്കുകള്‍ നല്‍കിയാല്‍ അടുത്ത് വരാനിരിക്കുന്ന പദം പ്രവചിക്കാന്‍ മെഷീനിന് സ്വയം സാധിക്കും. ഇതിനെ കൂടുതല്‍ കൂടുതല്‍ 'ഫൈന്‍ ട്യൂണ്‍' ചെയ്ത് കഴിഞ്ഞാല്‍ ആശയവിനിമയം നടത്താന്‍ പര്യാപ്തമായ തലത്തിലേക്ക് മെഷീന്‍ ഉയരും.

ജി.പി.ടിയില്‍ അണ്‍ സൂപ്പര്‍വൈസ്ഡ് (unsupervised) ട്രെയിനിങ് ആണ് നടക്കുന്നത്. അതേസമയം ഫൈന് ട്യൂണിംഗില്‍ കൃത്യമായ മോഡറേറ്റിങും APIകളും നിയമങ്ങളും ഉണ്ട്. ആദ്യ റിലീസിംഗില്‍ റേസിസ്റ്റ്, ഹോമോഫോബിക് കണ്ടെന്റുകള്‍ chatgpt ഉല്‍പാദിപ്പിച്ചിരുന്നതായി ആരോപണം ഉണ്ടായിരുന്നു. തുടര്‍ന്നാണ് നിയമങ്ങളും നിയന്ത്രണങ്ങളും കൂടുതല്‍ കര്‍ശനമാക്കിയത്.

മെഷീന്‍ ലേണിങ്ങില്‍ പ്രധാനമായി രണ്ട് തരം മോഡലുകളാണ് ഉള്ളത്. ഒന്ന് ഡിസ്‌ക്രിമിനേറ്റിവ് മോഡല്‍. ഉദാഹരണത്തിന്, നമ്മള്‍ പട്ടിയുടെയും പൂച്ചയുടെയും ഒരുപാട് ചിത്രങ്ങള്‍ വെച്ച് മെഷീനിനെ പരിശീലിപ്പിച്ചാല്‍, പട്ടിയേത് പൂച്ചയേത് എന്ന് ഇതിന് തിരിച്ചറിയാന്‍ കഴിയും. നമ്മുടെ തലച്ചോറും ഇതുപോലെയാണ് പ്രവര്‍ത്തിക്കുന്നത്. മുന്‍പ് നമ്മള്‍ കണ്ടിട്ടുള്ള അറിവ് വെച്ച് പുതിയത് കാണുമ്പോള്‍ പെട്ടെന്ന് നമ്മള്‍ തിരിച്ചറിയുകയാണ് ചെയ്യുന്നത്.

മറ്റൊന്നാണ് ജനറേറ്റീവ് മോഡലുകള്‍: സ്റ്റാറ്റിസ്റ്റിക്‌സില്‍ നമ്മള്‍ പഠിക്കുന്ന പ്രോബബിലിറ്റി ഡിസ്ട്രിബ്യൂഷന്‍ വാല്യുകളുപയോഗിച്ച് പുതിയവ നമുക്ക് സൃഷ്ടിക്കാന്‍ കഴിയും. ഉദാഹരണത്തിന് ഒരു കസേരയുടെ വ്യത്യസ്ഥത variable പരിഗണിക്കുക. ഇതുപോലെ ഉള്ളവ ഉപയോഗപ്പെടുത്തി പുതിയ കസേര വരക്കാന്‍ നമുക്ക് സാധിക്കും. നമുക്ക് ലഭ്യമായവ ഉപയോഗപ്പെടുത്തി പ്രോബിലിറ്റി കണ്ടെത്തുകയാണ് ജനറേറ്റീവ് മോഡലുകള്‍ ചെയ്യുന്നത്.

ChatGPT, GPT3.5 എന്നിവയുടെ ആര്‍ക്കിടെക്ചര്‍ text-Davinci-003 അടിസ്ഥാനമാക്കിയാണ് നിര്‍മിച്ചിരിക്കുന്നത്. Azure AI super computer infrastructureലാണ് ഇത് train ചെയ്യപ്പെട്ടിട്ടുള്ളത്.

ChatGPT ഉപയോഗങ്ങള്‍

1. ഭാഷാ വിവര്‍ത്തനം: ഒരു ഭാഷയില്‍ നിന്ന് മറ്റൊന്നിലേക്ക് വാചകം വിവര്‍ത്തനം ചെയ്യാന്‍ ChatGPT ഉപയോഗിക്കാം, ഇത് ആളുകള്‍ക്ക് പരസ്പരം ആശയവിനിമയം നടത്തുന്നത് എളുപ്പമാക്കുന്നു.

2. ടെക്സ്റ്റ് ജനറേഷന്‍: ഉപന്യാസങ്ങള്‍, കഥകള്‍ അല്ലെങ്കില്‍ ലേഖനങ്ങള്‍ എഴുതുന്നത് പോലുള്ള ടെക്സ്റ്റ് സൃഷ്ടിക്കാന്‍ ChatGPT ഉപയോഗിക്കാം. ഒരു വെബ്സൈറ്റിനായി ലേഖനങ്ങള്‍ എഴുതുന്നത് പോലെയുള്ള ഉള്ളടക്കം സൃഷ്ടിക്കുന്നതിന് ഇത് ഉപയോഗപ്രദമാകും.

3. ടെക്സ്റ്റ് സംഗ്രഹം: ദൈര്‍ഘ്യമേറിയ പ്രമാണങ്ങളോ ലേഖനങ്ങളോ ഹ്രസ്വ പതിപ്പുകളാക്കി സംഗ്രഹിക്കാന്‍ ChatGPT ഉപയോഗിക്കാം, ഇത് ആളുകള്‍ക്ക് സങ്കീര്‍ണ്ണമായ വിവരങ്ങള്‍ വായിക്കാനും മനസ്സിലാക്കാനും എളുപ്പമാക്കുന്നു.

4. ടെക്സ്റ്റ് പൂര്‍ത്തിയാക്കല്‍: തന്നിരിക്കുന്ന പ്രോംപ്റ്റിനെ അടിസ്ഥാനമാക്കി ടെക്സ്റ്റ് പൂര്‍ത്തിയാക്കാന്‍ ChatGPT ഉപയോഗിക്കാം, ഇത് ഉപയോക്താക്കളെ ഇ-മെയിലുകള്‍, സന്ദേശങ്ങള്‍ അല്ലെങ്കില്‍ മറ്റ് തരത്തിലുള്ള ടെക്സ്റ്റുകള്‍ വേഗത്തില്‍ എഴുതാന്‍ അനുവദിക്കുന്നു.

5. ടെക്സ്റ്റ് ക്ലാസിഫിക്കേഷന്‍: ഒരു ട്വീറ്റിന്റെ വികാരം നിര്‍ണയിക്കുന്നതോ വാര്‍ത്താ ലേഖനത്തിന്റെ വിഷയം തിരിച്ചറിയുന്നതോ പോലെ ടെക്സ്റ്റിനെ വ്യത്യസ്ത വിഭാഗങ്ങളായി തരംതിരിക്കാന്‍ ChatGPT ഉപയോഗിക്കാം.

6. ഡയലോഗ് സിസ്റ്റങ്ങള്‍: ചാറ്റ്ബോട്ടുകളും വെര്‍ച്വല്‍ അസിസ്റ്റന്റുകളും നിര്‍മിക്കാന്‍ ChatGPT ഉപയോഗിക്കാം, അത് ഉപയോക്താക്കളുമായി സ്വാഭാവിക ഭാഷയില്‍ സംവദിക്കാന്‍ കഴിയും, അപ്പോയിന്റ്മെന്റുകള്‍ ബുക്ക് ചെയ്യുകയോ ചോദ്യങ്ങള്‍ക്ക് ഉത്തരം നല്‍കുകയോ പോലുള്ള ജോലികളില്‍ ഉപയോക്താക്കളെ സഹായിക്കുന്നു.

7. ഇമേജ് അടിക്കുറിപ്പ്: ഒരു ഫോട്ടോഗ്രാഫിലെ ഉള്ളടക്കം വിവരിക്കുന്നതോ വീഡിയോയിലെ ഒബ്ജക്റ്റുകള്‍ തിരിച്ചറിയുന്നതോ പോലുള്ള ചിത്രങ്ങള്‍ക്ക് അടിക്കുറിപ്പുകള്‍ സൃഷ്ടിക്കാന്‍ ChatGPT ഉപയോഗിക്കാം.

8. ഭാഷാ മോഡലിംഗ്: ഒരു വാക്യത്തിലെ അടുത്ത വാക്കിന്റെ സാധ്യത പ്രവചിക്കാന്‍ ChatGPT ഒരു ഭാഷാ മോഡലായി ഉപയോഗിക്കാം, കീബോര്‍ഡുകളിലെ സ്വയമേവ പൂര്‍ത്തീകരണ സവിശേഷതയ്ക്ക് ഇത് ഉപയോഗപ്രദമാണ്.

ഈ പ്രോജക്ടിനെ കുറിച്ച് ചാറ്റ് ജി.പി.ടി തന്നെ മറുപടി പറയുന്നത് എന്താണെന്ന് നോക്കാം. Script by chatGPT

' OpenAI വികസിപ്പിച്ച ഒരു പ്രീ-പരിശീലനം ലഭിച്ച ഭാഷാ മോഡലാണ് ChatGPT. ഇത് GPT (ജനറേറ്റീവ് പ്രീ-ട്രെയിന്‍ഡ് ട്രാന്‍സ്ഫോര്‍മര്‍) ആര്‍ക്കിടെക്ചറിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. കൂടാതെ സംഭാഷണ ടെക്സ്റ്റിന്റെ ഒരു വലിയ ഡാറ്റാസെറ്റില്‍ നന്നായി ട്യൂണ്‍ ചെയ്തിരിക്കുന്നു. തന്നിരിക്കുന്ന പ്രോംപ്റ്റിലേക്കോ ചോദ്യത്തിലേക്കോ മനുഷ്യനെപ്പോലെയുള്ള പ്രതികരണങ്ങള്‍ സൃഷ്ടിക്കുന്നതിനാണ് ഇത് രൂപകല്‍പന ചെയ്തിരിക്കുന്നത്, ഇത് ചാറ്റ്‌ബോട്ടുകള്‍, ചോദ്യത്തിന് ഉത്തരം നല്‍കല്‍, ടെക്സ്റ്റ് പൂര്‍ത്തിയാക്കല്‍ തുടങ്ങിയ ടാസ്‌ക്കുകള്‍ക്ക് നന്നായി അനുയോജ്യമാക്കുന്നു. വൈവിധ്യമാര്‍ന്ന ഇന്റര്‍നെറ്റ് ടെക്സ്റ്റില്‍ ഈ മോഡലിന് പരിശീലനം ലഭിച്ചിട്ടുണ്ട്, കൂടാതെ അനൗപചാരിക സംഭാഷണവും കൂടുതല്‍ ഔപചാരികമായ എഴുത്തും ഉള്‍പ്പെടെ വിവിധ ശൈലികളിലും ഫോര്‍മാറ്റുകളിലും ടെക്സ്റ്റ് സൃഷ്ടിക്കാനുള്ള കഴിവുണ്ട്. ChatGPT-യുടെ നിലവിലെ പതിപ്പിന് 175 ബില്യണ്‍ പാരാമീറ്ററുകള്‍ ഉണ്ട്, ഇത് പൊതുജനങ്ങള്‍ക്ക് ലഭ്യമായ ഏറ്റവും വലിയ മോഡലുകളില്‍ ഒന്നാണ്.''

പ്രധാന പോരായ്മകള്‍

1. C2021വരെയുള്ള ഡാറ്റ വെച്ചാണ് ChatGPT പ്രവര്‍ത്തിക്കുന്നത്. അതിനാല്‍ അതിനുശേഷമുള്ള പുതിയ വിവരങ്ങള്‍ അടങ്ങിയ കൃത്യമായ വിവരങ്ങള്‍ ്ChatGPT യില്‍നിന്നും ലഭിക്കില്ല.

2. ChatGPTക്ക് വ്യത്യസ്ത ഭാഷകളെ തിരിച്ചറിയാന്‍ കഴിയുമെങ്കിലും, ഒരു ട്രാന്‍സിലേറ്റര്‍ എന്ന നിലയില്‍ ഇത് പൂര്‍ണ വിജയം കൈവരിച്ചിട്ടില്ല. തര്‍ജ്ജിമ നടത്തുന്നതില്‍ ഗൂഗിള്‍ ട്രാന്‍സിലേറ്റര്‍ പോലെ പ്രവര്‍ത്തിക്കാന്‍ കഴിയില്ല. കാരണം, ഇതിന്റെ ഈ മേഖലയിലുള്ള കുറഞ്ഞ word പവര്‍ ആണ്. അതിനാല്‍ തന്നെ പ്രാദേശിക ഭാഷകളില്‍ ചോദിക്കുന്നവയ്ക്ക് ഇതിന് തൃപ്തികരമായ ഉത്തരം നല്‍കാനും കഴിയില്ല. കൂടുതല്‍ ആളുകള്‍ കൂടുതല്‍ സമയം chatGPT ഉപയോഗിക്കുന്നതിലൂടെ ഇത്തരം പ്രശ്‌നങ്ങള്‍ ഭാവിയില്‍ മറികടക്കാനാവും. അപ്പോള്‍ മലയാളം ഉള്‍പ്പെടെയുള്ള ഭാഷകളില്‍ കൂടുതല്‍ കൃത്യത കൈവരും.

3. ഇപ്പോള്‍തന്നെ കുട്ടികള്‍ അസൈന്‍മെന്റുകളും റിസര്‍ച്ച് പേപ്പറുകളും തയ്യാറാക്കാന്‍ ഇതിനെ ഉപയോഗിക്കുന്നതിനാല്‍, അമേരിക്കയിലെ വിദ്യാഭ്യാസ സ്ഥാപനങ്ങളില്‍ ഇത് നിരോധിച്ചിട്ടുണ്ടെന്നു മാധ്യമങ്ങള്‍ റിപ്പോര്‍ട്ട് ചെയ്യുന്നു.

4. ഒരുപാട് ആളുകള്‍ ഒരേസമയം ഉപയോഗിക്കുമ്പോള്‍ സിസ്റ്റം hang ആകുന്നുണ്ട് ഇപ്പോള്‍.

Other disadvantages (മറ്റു പോരായ്മകള്‍)

1. സാമാന്യബുദ്ധിയുടെ അഭാവം: ChatGPT ടെക്സ്റ്റിന്റെ ഒരു വലിയ ഡാറ്റാസെറ്റില്‍ പരിശീലിപ്പിക്കപ്പെടുന്നു, എന്നാല്‍ മനുഷ്യര്‍ നിസ്സാരമായി കരുതുന്ന സാമാന്യബുദ്ധി അറിവ് ഇതിന് ഇല്ലായിരിക്കാം. ഇത് അതിന്റെ പ്രതികരണങ്ങളില്‍ പിശകുകളിലേക്കോ പൊരുത്തക്കേടുകളിലേക്കോ നയിച്ചേക്കാം.

2. പരിശീലന ഡാറ്റയിലെ പക്ഷപാതം: ChatGPT ഒരു വലിയ ടെക്സ്റ്റ് ഡാറ്റാസെറ്റില്‍ പരിശീലിപ്പിക്കപ്പെടുന്നു, അതില്‍ പക്ഷപാതങ്ങള്‍ അടങ്ങിയിരിക്കാം. ഇത് മോഡല്‍ പക്ഷപാതപരമായ പ്രവചനങ്ങള്‍ ഉണ്ടാക്കുന്നതിനോ പക്ഷപാതപരമായ വാചകം സൃഷ്ടിക്കുന്നതിനോ ഇടയാക്കും.

3. സന്ദര്‍ഭത്തെക്കുറിച്ചുള്ള ധാരണയുടെ അഭാവം: ഒരു ടെക്സ്റ്റ് ഉപയോഗിക്കുന്ന സന്ദര്‍ഭം മനസിലാക്കാന്‍ ChatGPT-ക്ക് ബുദ്ധിമുട്ടുണ്ടാകും, ഇത് ആശയക്കുഴപ്പത്തിനോ പിശകുകളിലേക്കോ നയിച്ചേക്കാം.

4. കമ്പ്യൂട്ടേഷണല്‍ ചെലവ്: പ്രവര്‍ത്തിപ്പിക്കുന്നതിന് കാര്യമായ കമ്പ്യൂട്ടേഷണല്‍ ഉറവിടങ്ങള്‍ ആവശ്യമുള്ള ഒരു വലിയ മോഡലാണ് ChatGPT, ഇത് ചെലവിന്റെയും ഊര്‍ജ ഉപഭോഗത്തിന്റെയും കാര്യത്തില്‍ ഒരു പോരായ്മയാണ്.

5. വിശദീകരണത്തിന്റെ അഭാവം: ChatGPT ഒരു ന്യൂറല്‍ നെറ്റ്വര്‍ക്ക് മോഡലാണ്, അതിനര്‍ഥം അത് എങ്ങനെയാണ് തീരുമാനങ്ങളില്‍ എത്തിച്ചേരുന്നതെന്ന് മനസ്സിലാക്കാന്‍ പ്രയാസമാണ് എന്നാണ്. ഇത് ഡീബഗ് ചെയ്യുന്നതിനോ മോഡല്‍ മെച്ചപ്പെടുത്തുന്നതിനോ വെല്ലുവിളിയാക്കും.

6. സ്വകാര്യതയും സുരക്ഷാ ആശങ്കകളും: മോഡല്‍ വലിയ അളവിലുള്ള ഡാറ്റയില്‍ പരിശീലിപ്പിച്ചിരിക്കുന്നതിനാല്‍, സുരക്ഷിതമായ അന്തരീക്ഷത്തില്‍ ഉപയോഗിക്കുന്നില്ലെങ്കില്‍ വ്യക്തിഗതമോ സെന്‍സിറ്റീവായതോ ആയ വിവരങ്ങള്‍ നേടുന്നതിന് ഇത് ഉപയോഗിക്കാം.

7. അനുചിതമായ ഉള്ളടക്കം സൃഷ്ടിക്കുന്നു: വലിയ അളവിലുള്ള ഡാറ്റയില്‍ മോഡല്‍ പരിശീലിപ്പിച്ചിരിക്കുന്നതിനാല്‍, ശരിയായി ഉപയോഗിച്ചില്ലെങ്കിലോ ഉചിതമായ ഫില്‍ട്ടറുകള്‍ ഉപയോഗിച്ചോ അത് അനുചിതമോ കുറ്റകരമോ ആയ ഉള്ളടക്കം സൃഷ്ടിച്ചേക്കാം.