कृत्रिम बुद्धिमत्ता
Apple दावा करती है कि इसका ReALM GPT-4 की क्षमताओं में बेहतर है
क्लाउड 3 ओपस ने हाल ही मेंजीपीटी 4 को पीछे छोड़ दिया सबसे उन्नत एलएलएम के रूप में। इस बीच, एप्पल के शोधकर्ताओं ने रियलएम का अनावरण किया, जोयह खबर के बाद कि गूगल का जेमिनी आईफोन में शामिल किया जा रहा है। शोध पत्र, जिसका शीर्षक “रियलएम: रेफरेंस रिजॉल्यूशन एज लैंग्वेज मॉडलिंग” है, इसे एक उन्नत एआई सिस्टम के रूप में पेश किया गया है जो वॉयस असिस्टेंट को समझने और उपयोगकर्ता के प्रश्नों का उत्तर देने के तरीके को बदलने का वादा करता है।
रियलएम और अन्य सिस्टम के बीच का अंतर इसकी संदर्भ समाधान को भाषा समझने के ताने बाने में बुनने की क्षमता में निहित है। यह वर्तमान में बड़े भाषा मॉडल-आधारित सिस्टम के डिजाइन के संदर्भ में एक नवीन दृष्टिकोण है, और यह मॉडल की संदर्भ की समझ को बढ़ाने में मदद करता है, साथ ही एआई और ग्राफिकल यूजर इंटरफेस के बीच इंटरैक्शन के लिए एक नया बेंचमार्क स्थापित करता है।
शोध परिणामों के आधार पर, यह एलएलएम इंजीनियरों और एआई टूल उत्पाद प्रबंधकों को अधिक सहज और संदर्भ-जागरूक उपयोगकर्ता इंटरैक्शन हासिल करने में मदद करने के लिए तैयार किया गया है। रियलएम पाठ इनपुट को दृश्य संदर्भ के साथ एकीकृत करने की सुविधा भी प्रदान करता है, जिससे डिजिटल सहायक कौशल में सुधार की संभावना बढ़ जाती है।
रियलएम का एनएलपी रेफरेंस रिजॉल्यूशन के लिए नवाचारी दृष्टिकोण
सभी एनएलपी सिस्टम “रेफरेंस रिजॉल्यूशन” पर निर्भर करते हैं, जो एक प्रक्रिया है जो अस्पष्ट लेकिन संदर्भ-विशिष्ट संदर्भों की पहचान और लिंक करने के लिए, जैसे कि सर्वनाम या अप्रत्यक्ष विवरण, अर्थात् “वे” या “वह”, संवाद या दृश्य संदर्भ में सही इकाइयों के साथ बातचीत को बनाए रखने के लिए।
पारंपरिक एआई सिस्टम रेफरेंस रिजॉल्यूशन के लिए नियम-आधारित विधियों या ह्यूरिस्टिक्स पर निर्भर करते हैं, जो प्राकृतिक भाषा की पूरी जटिलता को पकड़ने के लिए वांछित परिणाम नहीं देते हैं। परिणामस्वरूप, दृश्य संदर्भ, जैसे कि स्क्रीन पर इकाइयाँ, को इन विधियों का उपयोग करके समाधान में एकीकृत करना मुश्किल हो गया है।
रियलएम एलएलएम का उपयोग संदर्भ के भीतर अस्पष्ट संदर्भों को समझने और हल करने के लिए करता है, नियमों या ह्यूरिस्टिक्स का उपयोग करने के बजाय। जब दृश्य संदर्भ शामिल होता है, तो यह डिवाइस की स्क्रीन को पाठ्यात्मक प्रतिनिधित्व का उपयोग करके और स्क्रीन घटकों के बीच स्थानिक कनेक्शन को रिकॉर्ड करके पुनर्निर्माण करता है।
जोएल रूबेन एंटनी मोनिज़ के नेतृत्व में शोधकर्ता टीम कहती है:
“हमारे ज्ञान के अनुसार, यह एक बड़े भाषा मॉडल का उपयोग करने वाला पहला काम है जो स्क्रीन से संदर्भ को एन्कोड करने का लक्ष्य रखता है।”
परिणाम? रियलएम-संचालित वॉयस असिस्टेंट प्रश्नों जैसे “शीर्ष दाएं कोने में बटन पर टैप करें” और “सूची में दूसरे लेख को खोलें” को समझ सकते हैं, जिनसे मानक एआई सिस्टम संघर्ष करते हैं।
यह रियलएम के रेफरेंस रिजॉल्यूशन विधि को अधिक कुशल और ऑन-डिवाइस प्रोसेसिंग के लिए आदर्श बनाता है, क्योंकि यह संदर्भों को स्थानीय रूप से डिवाइस पर हल कर सकता है, जो कि क्लाउड-आधारित एआई सिस्टम के विपरीत है जिन्हें निरंतर डेटा ट्रांसमिशन की आवश्यकता होती है। यह इसे सिरी के लिए बेहतर बनाता है क्योंकि इसमें सुधार हुआ है गोपनीयता, विलंबता और ऑफलाइन कार्य।
चैटजीपीटी एक्सटेंशन की पांच सर्वश्रेष्ठ सूची के लिए यहां क्लिक करें।
डेटासेट संग्रह और मूल्यांकन
एप्पल शोध टीम ने वास्तविक दुनिया के उपयोगकर्ता इंटरैक्शन की जटिलताओं की तुलना में रियलएम की क्षमता का彻पूरी तरह से मूल्यांकन करने के लिए एक विविध डेटासेट तैयार किया जिसमें संवादात्मक, ऑन-स्क्रीन और सिंथेटिक डेटा शामिल हैं।
संवादात्मक डेटा को सिंथेटिक सूचियों वाली तस्वीरें दिखाकर और उन्हें विशिष्ट तत्वों के संबंध में स्पष्ट प्रश्न जमा करने के लिए कहकर उत्पन्न किया गया था। ऑन-स्क्रीन डेटासेट को दो-चरण की एनोटेशन प्रक्रिया के अधीन किया गया था जिसने सुनिश्चित किया कि मॉडल वास्तविक दुनिया के वेब पेजों की जटिलता को संभाल सकता है।
प्रभावशाली प्रदर्शन परिणाम
मूल्यांकन परिणाम सभी डेटासेट पर रियलएम के उत्कृष्ट प्रदर्शन को प्रदर्शित करते हैं। एमएआरआरएस, एक पिछले राज्य-ऑफ-द-आर्ट रेफरेंस रिजॉल्यूशन सिस्टम की तुलना में, रियलएम सटीकता में महत्वपूर्ण सुधार प्राप्त करता है।
इसके अलावा, शोधकर्ताओं ने रियलएम को ओपनएआई के जीपीटी -3.5 और जीपीटी -4 मॉडल के साथ बेंचमार्क किया। आश्चर्यजनक रूप से, रियलएम का सबसे छोटा मॉडल जीपीटी -4 के साथ तुलना में प्रदर्शन करता है,尽管 इसमें कई गुना कम पैरामीटर हैं।
