ಹೊಸ Microsoft ನ AI ಮಾಡೆಲ್ LAM ಕುರಿತು ಎಲ್ಲಾ ವಿವರಗಳು

ಮೈಕ್ರೋಸಾಫ್ಟ್ LAM - ಲಾರ್ಜ್ ಆಕ್ಷನ್ ಮಾಡೆಲ್ ಎಂಬ ಅದ್ಭುತ AI ಮಾದರಿಯನ್ನು ಅನಾವರಣಗೊಳಿಸಿದೆ . ಪಠ್ಯವನ್ನು ಸಂಸ್ಕರಿಸಲು ಮತ್ತು ಉತ್ಪಾದಿಸಲು ಸೀಮಿತವಾಗಿರುವ ಸಾಂಪ್ರದಾಯಿಕ AI ಮಾದರಿಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, LAM ವಾಸ್ತವವಾಗಿ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ. ಇದರರ್ಥ ಕೇವಲ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವ ಬದಲು, ಬಳಕೆದಾರರ ಸೂಚನೆಗಳ ಆಧಾರದ ಮೇಲೆ LAM ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಮೈಕ್ರೋಸಾಫ್ಟ್ ಈಗಾಗಲೇ ಕಾಪಿಲೋಟ್‌ನೊಂದಿಗೆ AI ಉದ್ಯಮವನ್ನು ಕ್ರಾಂತಿಗೊಳಿಸಿದೆ .

LAM ಅನ್ನು ಯಾವುದು ವಿಭಿನ್ನಗೊಳಿಸುತ್ತದೆ?

LAM ಗಳನ್ನು ಕೇವಲ ಸೂಚನೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಆದರೆ ಅವುಗಳನ್ನು ನಿರ್ವಹಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ನೀವು ಪವರ್‌ಪಾಯಿಂಟ್ ಪ್ರಸ್ತುತಿಯನ್ನು ರಚಿಸಲು AI ಅನ್ನು ಕೇಳಿದರೆ, LAM ಈ ಆಜ್ಞೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮಾತ್ರವಲ್ಲದೆ ಪವರ್‌ಪಾಯಿಂಟ್ ಅನ್ನು ತೆರೆಯುತ್ತದೆ, ಸ್ಲೈಡ್‌ಗಳನ್ನು ರಚಿಸುತ್ತದೆ ಮತ್ತು ನಿಮ್ಮ ಆದ್ಯತೆಗಳ ಪ್ರಕಾರ ಅವುಗಳನ್ನು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡುತ್ತದೆ.

LAM ನ ಅಗತ್ಯತೆ

ಸಾಂಪ್ರದಾಯಿಕ AI ಮಾದರಿಗಳು, ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು ( LLM ಗಳು ) , ಪಠ್ಯ ಉತ್ಪಾದನೆಯಲ್ಲಿ ಉತ್ತಮವಾಗಿವೆ. ಅವರು ಚಾಟ್ ಮಾಡಬಹುದು, ಕಥೆಗಳನ್ನು ಬರೆಯಬಹುದು ಅಥವಾ ಕೋಡ್ ಅನ್ನು ರಚಿಸಬಹುದು. ಆದಾಗ್ಯೂ, ಅವರು ನೈಜ-ಪ್ರಪಂಚದ ಕಾರ್ಯಗಳೊಂದಿಗೆ ಹೋರಾಡುತ್ತಾರೆ. LAM ವಿಭಿನ್ನವಾಗಿದೆ ಏಕೆಂದರೆ ಅದು ಪ್ರತಿಕ್ರಿಯಿಸುವ ಬದಲು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ . ಇದು AI ತಂತ್ರಜ್ಞಾನದಲ್ಲಿ ಗಮನಾರ್ಹ ಏರಿಕೆಯಾಗಿದೆ.

LAM ಗಳು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ?

ವಿಧಾನಗಳ ಮಿಶ್ರಣವನ್ನು ಬಳಸಿಕೊಂಡು LAM ಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ:

• ಫೈನ್-ಟ್ಯೂನಿಂಗ್ - ಅದರ ಕಾರ್ಯ-ನಿರ್ವಹಣೆ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸುಧಾರಿಸಲು ಮಾದರಿಯನ್ನು ಹೊಂದಿಸುವುದು.
• ಅನುಕರಣೆ ಕಲಿಕೆ - ಮಾನವರು ತೆಗೆದುಕೊಂಡ ಕ್ರಮಗಳನ್ನು ಅನುಕರಿಸುವ ಮೂಲಕ ಅದನ್ನು ಕಲಿಸುವುದು.
• ಬಲವರ್ಧನೆಯ ಕಲಿಕೆ - ಯಶಸ್ವಿ ಕಾರ್ಯವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು AI ಗೆ ಬಹುಮಾನ ನೀಡುವುದು, ತಪ್ಪುಗಳಿಂದ ಕಲಿಯಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ.

ಈ ಸಂಯೋಜನೆಯು LAM ಗಳಿಗೆ ಆಜ್ಞೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಕಾರ್ಯಗಳನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ನಿರ್ವಹಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಅವರು ತಮ್ಮ ಪರಿಸರದಿಂದ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಆಧರಿಸಿ ನೈಜ ಸಮಯದಲ್ಲಿ ಹೊಂದಿಕೊಳ್ಳಬಹುದು, ಅವುಗಳನ್ನು ಹೆಚ್ಚು ಬಹುಮುಖ ಮತ್ತು ಸ್ಪಂದಿಸುವಂತೆ ಮಾಡುತ್ತದೆ.

LAM ತರಬೇತಿ

LAM ಗಳ ತರಬೇತಿ ಸಂಕೀರ್ಣವಾಗಿದೆ.

ಪ್ರಕ್ರಿಯೆಯು 5 ಪ್ರಮುಖ ಹಂತಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:

1. ಡೇಟಾ ಸಂಗ್ರಹಣೆ - LAM ಗಳಿಗೆ ಎರಡು ರೀತಿಯ ಡೇಟಾ ಬೇಕಾಗುತ್ತದೆ - ಉನ್ನತ ಮಟ್ಟದ ಕಾರ್ಯ ಯೋಜನೆಗಳು (ಉದಾ, ಡಾಕ್ಯುಮೆಂಟ್ ರಚಿಸುವುದು) ಮತ್ತು ಕಾರ್ಯ-ಕ್ರಿಯೆ ಡೇಟಾ (ಉದಾ, ವರ್ಡ್ ತೆರೆಯಲು ನಿರ್ದಿಷ್ಟ ಹಂತಗಳು).
2. ಮೇಲ್ವಿಚಾರಣೆಯ ಉತ್ತಮ-ಶ್ರುತಿ - LAM ಗಳು ಮಾನವ ಮಾರ್ಗದರ್ಶನದೊಂದಿಗೆ ನಿಯಂತ್ರಿತ ಪರಿಸರದ ಮೂಲಕ ಕಲಿಯುತ್ತವೆ.
3. ಬಲವರ್ಧನೆಯ ಕಲಿಕೆ - ಸರಿಯಾದ ಕ್ರಮಗಳಿಗಾಗಿ ಅವರಿಗೆ ಬಹುಮಾನ ನೀಡಲಾಗುತ್ತದೆ ಮತ್ತು ಪ್ರಯೋಗ ಮತ್ತು ದೋಷದ ಮೂಲಕ ಕಲಿಯುತ್ತಾರೆ.
4. ನೈಜ-ಪ್ರಪಂಚದ ಪರೀಕ್ಷೆ - ಅಂತಿಮವಾಗಿ, LAM ಗಳು ವಿವಿಧ ಸನ್ನಿವೇಶಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಲೈವ್ ಪರಿಸರದಲ್ಲಿ ಪರೀಕ್ಷಿಸಲ್ಪಡುತ್ತವೆ.
5. ಸಿಸ್ಟಮ್‌ಗಳೊಂದಿಗೆ ಏಕೀಕರಣ - ಪರೀಕ್ಷೆಯ ನಂತರ, ನೈಜ-ಪ್ರಪಂಚದ ಬಳಕೆಗಾಗಿ ವಿಂಡೋಸ್‌ನಂತಹ ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್‌ಗಳಿಗೆ LAM ಗಳನ್ನು ಸಂಯೋಜಿಸಲಾಗುತ್ತದೆ.

ಹರಿವಿನ ರೇಖಾಚಿತ್ರದ ಕೆಳಗೆ, ನಾನು ಮಾಡಿದ್ದೇನೆ ಅದು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ತೋರಿಸುತ್ತದೆ:

LAM ನ ಪ್ರಯೋಜನಗಳು

LAM ಗಳು ಆರ್ಟಿಫಿಶಿಯಲ್ ಜನರಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ (AGI) ಕಡೆಗೆ ಮುಂದಿನ ದೊಡ್ಡ ಹೆಜ್ಜೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ , ಅಲ್ಲಿ AI ಕೇವಲ ಮಾನವ ಸೂಚನೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದಿಲ್ಲ ಆದರೆ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಾಯತ್ತವಾಗಿ ನಿರ್ವಹಿಸುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಅಪಾರವಾಗಿವೆ. ಉದಾಹರಣೆಗೆ:

• ಆಟೊಮೇಷನ್: LAM ಗಳು ವಿವಿಧ ಕೈಗಾರಿಕೆಗಳಲ್ಲಿ ಸಂಕೀರ್ಣ ಕೆಲಸದ ಹರಿವುಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಬಹುದು.
• ಪ್ರವೇಶಿಸುವಿಕೆ: ಅವರು ಸ್ವತಃ ಮಾಡಲಾಗದ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಮೂಲಕ ವಿಕಲಾಂಗ ಜನರಿಗೆ ಸಹಾಯ ಮಾಡಬಹುದು.
• ದಕ್ಷತೆ: ವ್ಯವಹಾರಗಳು ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಸುಗಮಗೊಳಿಸಲು, ಸಮಯ ಮತ್ತು ಸಂಪನ್ಮೂಲಗಳನ್ನು ಉಳಿಸಲು LAM ಗಳನ್ನು ಬಳಸಬಹುದು.

ನೈಜ-ಪ್ರಪಂಚದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು

ವರದಿಯನ್ನು ಬರೆಯಲು, ಸಂಪಾದನೆಗಳನ್ನು ಮಾಡಲು ಮತ್ತು ನಿಮ್ಮ ವಿಶೇಷಣಗಳ ಪ್ರಕಾರ ಅದನ್ನು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡಲು AI ಅನ್ನು ಕೇಳಿಕೊಳ್ಳುವುದನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. LAM ಗಳು ಇದನ್ನು ಮನಬಂದಂತೆ ಮಾಡಬಹುದು. ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ನಿಯಂತ್ರಿಸುವುದು ಮತ್ತು ರೋಬೋಟ್‌ಗಳೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುವಂತಹ ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾದ ಕಾರ್ಯಗಳಲ್ಲಿ ಅವರು ಉತ್ಕೃಷ್ಟರಾಗಿದ್ದಾರೆ.

LAM ಗಳ ಭವಿಷ್ಯ

ತಂತ್ರಜ್ಞಾನವು ಮುಂದುವರೆದಂತೆ, LAM ಗಳನ್ನು ಶೀಘ್ರದಲ್ಲೇ ಅನೇಕ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಸಂಯೋಜಿಸಬಹುದು. ವ್ಯಾಪಾರದಿಂದ ಆರೋಗ್ಯದವರೆಗೆ, ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಅವರ ಸಾಮರ್ಥ್ಯವು ಅವರನ್ನು ಅತ್ಯಗತ್ಯ ಸಾಧನವನ್ನಾಗಿ ಮಾಡುತ್ತದೆ. LAM ಗಳು ದೈನಂದಿನ ಕಛೇರಿ ಕೆಲಸದಿಂದ ಸಂಕೀರ್ಣ ಕೈಗಾರಿಕಾ ಪ್ರಕ್ರಿಯೆಗಳವರೆಗೆ ಎಲ್ಲವನ್ನೂ ಮಾರ್ಪಡಿಸಬಹುದು.

ಸಂಕ್ಷಿಪ್ತವಾಗಿ, AI ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ LAM ಒಂದು ಪ್ರಮುಖ ಮೈಲಿಗಲ್ಲು. ಇದು ಪಠ್ಯವನ್ನು ಮೀರಿ ಮತ್ತು ಕ್ರಿಯೆಗೆ ಧುಮುಕುತ್ತದೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಾಗಿ ಹೊಸ ಯುಗದ ಆರಂಭವನ್ನು ಗುರುತಿಸುತ್ತದೆ.

ಮೈಕ್ರೋಸಾಫ್ಟ್ನ ಲಾರ್ಜ್ ಆಕ್ಷನ್ ಮಾಡೆಲ್ (LAM) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಲ್ಲಿ ಮಹತ್ವದ ಹೆಜ್ಜೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ.

ಪ್ರಮುಖ ಅಂಶಗಳ ಸಾರಾಂಶ ಇಲ್ಲಿದೆ:

• LAM ಎಂದರೇನು?
  LAM ಎನ್ನುವುದು ಬಳಕೆದಾರರ ಸೂಚನೆಗಳ ಆಧಾರದ ಮೇಲೆ ಕಾರ್ಯಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ AI ಮಾದರಿಯಾಗಿದ್ದು, ಪಠ್ಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮತ್ತು ರಚಿಸುವುದನ್ನು ಮೀರಿದೆ.
• ಪ್ರಮುಖ ಸಾಮರ್ಥ್ಯಗಳು:
  LAM ಪಠ್ಯ, ಧ್ವನಿ ಮತ್ತು ಚಿತ್ರಗಳಂತಹ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬಹುದು ಮತ್ತು ಆಪರೇಟಿಂಗ್ ಸಾಫ್ಟ್‌ವೇರ್‌ನಿಂದ ರೋಬೋಟ್‌ಗಳನ್ನು ನಿಯಂತ್ರಿಸುವವರೆಗೆ ಕಾರ್ಯಸಾಧ್ಯವಾದ ಕಾರ್ಯಗಳಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು.
• ನೈಜ-ಪ್ರಪಂಚದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು:
  ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ತೆರೆಯುವುದು, ಪ್ರಸ್ತುತಿಗಳನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟ್‌ಗಳನ್ನು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡುವಂತಹ ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು LAM ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುತ್ತದೆ, ಇದು ಮೈಕ್ರೋಸಾಫ್ಟ್ ಆಫೀಸ್‌ನಂತಹ ಉತ್ಪಾದಕ ಸಾಧನಗಳಿಗೆ ಉಪಯುಕ್ತವಾಗಿದೆ.
• ತಾಂತ್ರಿಕ ಅಡಿಪಾಯ:
  ಕಾರ್ಯ-ನಿರ್ದಿಷ್ಟ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಉತ್ತಮ-ಶ್ರುತಿ, ಅನುಕರಣೆ ಕಲಿಕೆ ಮತ್ತು ಬಲವರ್ಧನೆಯ ಕಲಿಕೆಯ ತಂತ್ರಗಳ ಸಂಯೋಜನೆಯನ್ನು ಬಳಸಿಕೊಂಡು LAM ಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ.
• LLM ಗಳಿಂದ ವ್ಯತ್ಯಾಸ:
  ಸಾಂಪ್ರದಾಯಿಕ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (LLM ಗಳು) ಭಿನ್ನವಾಗಿ, ಮುಖ್ಯವಾಗಿ ಪಠ್ಯವನ್ನು ರಚಿಸುವುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತವೆ, LAM ಗಳು ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಸರದಲ್ಲಿ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಕ್ರಿಯಾ-ಚಾಲಿತ ಮಾದರಿಗಳಾಗಿವೆ.
• ತರಬೇತಿ ಪ್ರಕ್ರಿಯೆ:
  LAM ಗಳು ಬಹು ಹಂತಗಳ ಮೂಲಕ ಹೋಗುತ್ತವೆ: ಡೇಟಾ ಸಂಗ್ರಹಣೆ, ಮೇಲ್ವಿಚಾರಣೆಯ ಉತ್ತಮ-ಶ್ರುತಿ, ಬಲವರ್ಧನೆಯ ಕಲಿಕೆ ಮತ್ತು Windows GUI ನಂತಹ ಸಿಸ್ಟಮ್‌ಗಳಿಗೆ ಸಂಯೋಜಿಸುವ ಮೊದಲು ನೈಜ-ಪ್ರಪಂಚದ ಪರೀಕ್ಷೆ.
• ಸಂಭಾವ್ಯ ಬಳಕೆಯ ಪ್ರಕರಣಗಳು:
  ಕೆಲಸದ ಹರಿವುಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು, ವಿಕಲಾಂಗರಿಗೆ ಸಹಾಯ ಮಾಡಲು ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ಕ್ರಿಯಾತ್ಮಕ ಹೊಂದಾಣಿಕೆಯ ಅಗತ್ಯವಿರುವ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು LAM ಗಳು ಸಹಾಯಕವಾಗಬಹುದು.
• ಭವಿಷ್ಯದ ಔಟ್‌ಲುಕ್:
  ತಂತ್ರಜ್ಞಾನವು ವಿಕಸನಗೊಳ್ಳುತ್ತಿದ್ದಂತೆ, ವಿವಿಧ ಕೈಗಾರಿಕೆಗಳಲ್ಲಿ LAM ಪ್ರಮಾಣಿತ AI ಸಾಧನವಾಗಬಹುದು, ದೈನಂದಿನ ಕಾರ್ಯಗಳಲ್ಲಿ ಉತ್ಪಾದಕತೆ ಮತ್ತು ದಕ್ಷತೆಯನ್ನು ಸುಗಮಗೊಳಿಸುತ್ತದೆ.