வோக்கனைசேஷன்: AI பார்க்கக்கூடிய மொழி

• ஆசிரியர் பற்றி:
• ஆசிரியர் பெயர்

  குவாண்டம்ரன் தொலைநோக்கு
• 9 மே, 2023

இயற்கை மொழி செயலாக்கம் (NLP) செயற்கை நுண்ணறிவு (AI) அமைப்புகளை வார்த்தைகளைப் புரிந்துகொள்வதன் மூலமும் சூழலை உணர்வோடு பொருத்துவதன் மூலமும் மனித பேச்சைக் கற்றுக்கொள்ள உதவுகிறது. ஒரே குறை என்னவென்றால், இந்த NLP அமைப்புகள் முற்றிலும் உரை அடிப்படையிலானவை. வோக்கனைசேஷன் அதையெல்லாம் மாற்றப் போகிறது.

வோக்கனைசேஷன் சூழல்

இரண்டு உரை அடிப்படையிலான இயந்திர கற்றல் (ML) திட்டங்கள், மனித மொழியை செயலாக்க மற்றும் புரிந்து கொள்ள AIக்கு பயிற்சி அளிக்க பெரும்பாலும் பயன்படுத்தப்படுகின்றன: OpenAI இன் ஜெனரேட்டிவ் ப்ரீ-ட்ரெய்ன்ட் டிரான்ஸ்ஃபார்மர் 3 (GPT-3) மற்றும் Google இன் BERT (டிரான்ஸ்ஃபார்மர்களிடமிருந்து இருதரப்பு குறியாக்க பிரதிநிதித்துவங்கள்). AI சொற்களில், NLP பயிற்சியில் பயன்படுத்தப்படும் வார்த்தைகள் டோக்கன்கள் என்று அழைக்கப்படுகின்றன. நார்த் கரோலினா பல்கலைக்கழகத்தின் (UNC) ஆராய்ச்சியாளர்கள் உரை அடிப்படையிலான பயிற்சித் திட்டங்கள் வரம்புக்குட்பட்டவை, ஏனெனில் அவர்களால் "பார்க்க முடியாது", அதாவது காட்சித் தகவல் மற்றும் தகவல்தொடர்புகளைப் பிடிக்க முடியாது. 

உதாரணமாக, யாராவது GPT-3 ஆடுகளின் நிறம் என்ன என்று கேட்டால், அது தெளிவாக வெள்ளையாக இருந்தாலும் கணினி பெரும்பாலும் "கருப்பு" என்று பதிலளிக்கும். உரை அடிப்படையிலான அமைப்பு சரியான நிறத்தை அடையாளம் காண்பதற்குப் பதிலாக "கருப்பு செம்மறி ஆடு" என்ற வார்த்தையுடன் தொடர்புபடுத்தும் என்பதால் இந்த பதில். டோக்கன்களுடன் (வோக்கன்) காட்சிகளை இணைப்பதன் மூலம், AI அமைப்புகள் விதிமுறைகளைப் பற்றிய முழுமையான புரிதலைக் கொண்டிருக்க முடியும். வோக்கனைசேஷன் வோக்கன்களை சுய-கண்காணிப்பு NLP அமைப்புகளில் ஒருங்கிணைத்து, "பொது அறிவை" உருவாக்க அனுமதிக்கிறது.

மொழி மாதிரிகள் மற்றும் கணினி பார்வையை ஒருங்கிணைப்பது ஒரு புதிய கருத்து அல்ல, மேலும் இது AI ஆராய்ச்சியில் வேகமாக விரிவடையும் துறையாகும். இந்த இரண்டு வகையான AI இன் கலவையானது அவற்றின் தனிப்பட்ட பலத்தை மேம்படுத்துகிறது. GPT-3 போன்ற மொழி மாதிரிகள் மேற்பார்வை செய்யப்படாத கற்றல் மூலம் பயிற்றுவிக்கப்படுகின்றன, இது அவற்றை எளிதாக அளவிட அனுமதிக்கிறது. இதற்கு நேர்மாறாக, பொருள் அறிதல் அமைப்புகள் போன்ற பட மாதிரிகள் நேரடியாக யதார்த்தத்திலிருந்து கற்றுக்கொள்ளலாம் மற்றும் உரை வழங்கிய சுருக்கத்தை நம்பாது. எடுத்துக்காட்டாக, படத்தைப் பார்ப்பதன் மூலம் செம்மறி ஆடு வெண்மையானது என்பதை பட மாதிரிகள் அடையாளம் காண முடியும்.

சீர்குலைக்கும் தாக்கம்

வோக்கனைசேஷன் செயல்முறை மிகவும் நேரடியானது. மொழி டோக்கன்களுக்கு தொடர்புடைய அல்லது பொருத்தமான படங்களை ஒதுக்குவதன் மூலம் வோக்கன்கள் உருவாக்கப்படுகின்றன. பின்னர், அல்காரிதம்கள் (வோக்கனைசர்) மேற்பார்வை செய்யப்படாத கற்றல் மூலம் வோக்கன்களை உருவாக்க வடிவமைக்கப்பட்டுள்ளன (வெளிப்படையான அளவுருக்கள்/விதிகள் இல்லை). வோக்கனைசேஷன் மூலம் பயிற்றுவிக்கப்பட்ட பொது அறிவு AI ஆனது, சூழலைப் பற்றிய ஆழமான புரிதலைக் கொண்டிருப்பதால், சிக்கல்களைத் தொடர்புகொண்டு சிறப்பாக தீர்க்க முடியும். இந்த அணுகுமுறை தனித்துவமானது, ஏனெனில் இது மொழி டோக்கன்களை கணிப்பது மட்டுமல்லாமல் பட டோக்கன்களையும் முன்னறிவிக்கிறது, இது பாரம்பரிய BERT மாதிரிகள் செய்ய முடியாத ஒன்று.

எடுத்துக்காட்டாக, ரோபோடிக் உதவியாளர்கள் படங்களை அடையாளம் காணவும், செயல்முறைகளை சிறப்பாக வழிநடத்தவும் முடியும், ஏனெனில் அவர்களுக்குத் தேவையானதை "பார்க்க" முடியும். உள்ளடக்கத்தை எழுதுவதற்குப் பயிற்சியளிக்கப்பட்ட செயற்கை நுண்ணறிவு அமைப்புகள், முரண்பட்ட வாக்கியங்களுக்குப் பதிலாக, சிறப்பாகப் பாயும் யோசனைகளைக் கொண்ட கட்டுரைகளை அதிக மனிதாபிமானத்துடன் வடிவமைக்க முடியும். NLP பயன்பாடுகளின் பரவலான அணுகலைக் கருத்தில் கொண்டு, வோக்கனைசேஷன் சிறப்பாகச் செயல்படும் சாட்போட்கள், மெய்நிகர் உதவியாளர்கள், ஆன்லைன் மருத்துவ நோயறிதல்கள், டிஜிட்டல் மொழிபெயர்ப்பாளர்கள் மற்றும் பலவற்றிற்கு வழிவகுக்கும்.

கூடுதலாக, பார்வை மற்றும் மொழி கற்றல் ஆகியவற்றின் கலவையானது மருத்துவ இமேஜிங் பயன்பாடுகளில் பிரபலமடைந்து வருகிறது, குறிப்பாக தானியங்கி மருத்துவப் படக் கண்டறிதலுக்காக. எடுத்துக்காட்டாக, சில ஆராய்ச்சியாளர்கள் ரேடியோகிராஃப் படங்களில் இந்த அணுகுமுறையை உரை விளக்கங்களுடன் பரிசோதித்து வருகின்றனர், அங்கு சொற்பொருள் பிரிவு நேரத்தை எடுத்துக்கொள்ளும். வோக்கனைசேஷன் நுட்பம் இந்த பிரதிநிதித்துவங்களை மேம்படுத்தலாம் மற்றும் உரைத் தகவலைப் பயன்படுத்துவதன் மூலம் தானியங்கி மருத்துவ இமேஜிங்கை மேம்படுத்தலாம்.

குரல்மயமாக்கலுக்கான விண்ணப்பங்கள்

வோக்கனைசேஷனுக்கான சில பயன்பாடுகளில் பின்வருவன அடங்கும்:

• ஸ்கிரீன்ஷாட்கள், படங்கள் மற்றும் இணையதள உள்ளடக்கத்தை செயலாக்கக்கூடிய உள்ளுணர்வு சாட்போட்கள். வாடிக்கையாளர் ஆதரவு chatbots, குறிப்பாக, தயாரிப்புகள் மற்றும் சேவைகளை துல்லியமாக பரிந்துரைக்க முடியும்.
• படங்கள் மற்றும் வீடியோக்களை செயலாக்கக்கூடிய டிஜிட்டல் மொழிபெயர்ப்பாளர்கள் மற்றும் கலாச்சார மற்றும் சூழ்நிலை சூழலைக் கருத்தில் கொண்டு துல்லியமான மொழிபெயர்ப்பை வழங்க முடியும்.
• சமூக ஊடக போட் ஸ்கேனர்கள் படங்கள், தலைப்புகள் மற்றும் கருத்துகளை ஒன்றிணைப்பதன் மூலம் மிகவும் முழுமையான உணர்வுப் பகுப்பாய்வை மேற்கொள்ள முடியும். தீங்கு விளைவிக்கும் படங்களைப் பகுப்பாய்வு செய்ய வேண்டிய உள்ளடக்க மதிப்பீட்டில் இந்தப் பயன்பாடு பயனுள்ளதாக இருக்கும்.
• கணினி பார்வை மற்றும் என்எல்பி இயந்திர கற்றல் பொறியாளர்கள் மற்றும் தரவு விஞ்ஞானிகளுக்கு வேலை வாய்ப்புகளை அதிகரித்தல்.
• இந்த AI அமைப்புகளை வணிகமயமாக்க அல்லது வணிகங்களுக்கான தனிப்பயனாக்கப்பட்ட தீர்வுகளை வழங்குவதற்கு ஸ்டார்ட்அப்கள் உருவாக்கப்படுகின்றன.

கருத்து தெரிவிக்க வேண்டிய கேள்விகள்

• ரோபோக்களுடன் நாம் எவ்வாறு தொடர்பு கொள்கிறோம் என்பதை வோக்கனைசேஷன் வேறு எப்படி மாற்றும் என்று நினைக்கிறீர்கள்?
• நாம் எவ்வாறு வணிகத்தை நடத்துகிறோம் மற்றும் எங்கள் கேஜெட்களுடன் (ஸ்மார்ட்ஃபோன்கள் மற்றும் ஸ்மார்ட் சாதனங்கள்) தொடர்புகொள்வதை வோக்கனைசேஷன் எவ்வாறு மாற்றலாம்?