मुख्य सामग्री पर जाएं

प्रक्रिया

भाषाई मॉडल​

भाषाई मॉडल आधुनिक AI प्रणालियाँ हैं जो मानवीय भाषा को समझ सकती हैं, उसका आकलन कर सकती हैं और उत्पन्न कर सकती हैं। ये मॉडल पाठ के विशाल डेटा सेट पर प्रशिक्षित होते हैं और पैटर्न, शब्द संयोजन, वाक्य संरचनाएँ, और विभिन्न भाषाओं और भाषा-प्रयोग की सूक्ष्मताओं को सीखते हैं। कई आधुनिक भाषाई मॉडलों का मूल ट्रांसफॉर्मर आर्किटेक्चर है, जो टेक्स्ट के महत्वपूर्ण भागों को निर्धारित करने के लिए स्वयं-ध्यान (self-attention) तंत्र का उपयोग करता है।

भाषा के संस處ण के समय, ये मॉडल यह भविष्यसूचक अंदाज़ा लगाने के लिए सांख्यिकीय पद्धतियों का उपयोग करते हैं कि अगले शब्द या अगला वाक्य सबसे अधिक संभावित क्या होगा। वे लंबे टेक्स्ट के संदर्भ को समझ सकते हैं और इसलिए न केवल व्याकरणिक रूप से सही बल्कि सामग्री के لحاظ भी संगत और प्रासंगिक टेक्स्ट बना सकते हैं।

उदाहरण के लिए चैटबॉट या टेक्स्ट-जनरेटर के लिए किसी भाषा मॉडल का उपयोग करते समय, मॉडल को कुछ प्रॉम्प्ट्स या प्रारम्भिक डेटा दिए जाते हैं और इन इनपुट के आधार पर मॉडल टेक्स्ट उत्पन्न करता है जो दिए गए संदर्भ से तर्कसंगत ढंग से आगे आता है। इन मॉडलों का उद्देश्य ऐसा टेक्स्ट बनाना है जो मानवीय होने के सबसे करीब हो, सामग्री और शैली दोनों के لحاظ।

टेक्स्ट-टू-इमेज मॉडल​

टेक्स्ट-टू-इमेज मॉडल ऐसे AI सिस्टम हैं जो लिखित पाठ वर्णन से दृश्य प्रतिनिधित्व जेनरेट कर सकते हैं, जैसे फोटो, illustrations या अन्य प्रकार की imagery. ये मॉडल उन्नत न्यूरल नेटवर्क्स का उपयोग करते हैं, और विशेष रूप से GANs या उनसे मिलने वाले diffusion मॉडल्स जैसे संस्करणों के साथ।

यह प्रक्रिया उपयोगकर्ता द्वारा दी गई टेक्स्ट描述 से शुरू होती है। मॉडल टेक्स्ट की व्याख्या करता है और उसकी 의미 तथा संदर्भ को समझने की कोशिश करता है। फिर मॉडल टेक्स्ट वर्णन के अनुरूप दृश्य बनाता है, ट्रेनिंग के दौरान सीखे गए ज्ञान का उपयोग करते हुए, बड़े टेक्स्ट-छवि जोड़ों के डेटासेट पर प्रशिक्षित होकर।

प्रशिक्षण के दौरान मॉडल टेक्स्ट-वर्णन और दृश्य गुणों के बीच सहानुभूति बनाता है। उदाहरण के लिए, अगर मॉडल बार–बार 'एक पीला सूरज नीली समुद्र के ऊपर' शब्द संयोजन को उन इमेज के साथ देखता है जो इस परिदृश्य को दिखाते हैं, तो ये तत्वों को पहचानना और भविष्य के दृश्य निर्माणों में पुन: उत्पन्न करना सीख लेगा।

परिणाम अक्सर सम्मोहक सटीक और विस्तृत चित्र होते हैं जो इनपुट टेक्स्ट वर्णन के अनुरूप होते हैं। ये मॉडेल लगातार बेहतर होते जा रहे हैं और बहु-वस्तुओं और सार अवधारणाओं के साथ जटिल परिस्थितियों को भी दर्शाने में सक्षम हैं। वे कला निर्माण, गेम डिज़ाइन, वर्चुअल रियलिटी और अधिक सहित कई अनुप्रयोगों में उपयोग किए जाते हैं।

AI-School मॉडल का खुलासा​

यह समझना महत्वपूर्ण है कि AI-School वे विभिन्न AI-μονेल्स खुला करता है जो केंद्रीय मॉडल कैटलॉग में शामिल हैं। ये मॉडल बाहरी प्रदाताओं द्वारा API के माध्यम से प्रदान किए जाते हैं। API, या Application Programming Interface, नियमों और परिभाषाओं का एक सेट है जो सॉफ्टवेयर प्रोग्रामों को एक दूसरे के साथ संवाद करने के लिए प्रयोग होता है। यह ऐसा एक 'भाषा' है जिसे प्रोग्राम समझते हैं ताकि सूचना आदान-प्रदान हो सके और एक-दूसरे के कार्यों को कॉल किया जा सके। AI-School के पास अपने आप में भाषाई मॉडल, टेक्स्ट-टू-इमेज मॉडल या टेक्स्ट-टू-स्पीच मॉडल नहीं होते।

हम विभिन्न मॉडलों के परिणामों के लिए जिम्मेदारी नहीं लेते। हाँ, हमने स्कूलों के लिए सबसे अच्छे और सबसे रुचिकर मॉडलों के चयन पर ध्यान दिया है।

DPIA के अनुसार प्रसंस्करण की प्रक्रिया​

DPIA उत्तर उत्पन्न करने के लिए आधारभूत प्रक्रिया को इस प्रकार वर्णित करता है:

  • उपयोगकर्ता AI-School के पोर्टल पर एक prompt दर्ज करता है।
  • प्रॉम्प्ट AI-School के डेटाबेस में संग्रहीत हो जाता है।
  • AI-School प्रॉम्प्ट को API-कनैक्शन और एक सामान्य खाता से anonimously चुने हुए AI-मॉडल के पास प्रदान करता है।
  • AI-मॉडल व्यक्ति-गत व्यक्तिगत विवरण प्राप्त नहीं करता।
  • AI-मॉडल का उत्तर AI-School को वापस भेजा जाता है।
  • उत्तर AI-School के डेटाबेस में संग्रहित किया जाता है।
  • उत्तर उपयोगकर्ता को प्रस्तुत किया जाता है।

AI-School व्यक्तिगत उपयोगकर्ता के किसी भी व्यक्तिगत डेटा को AI-मॉडल तक नहीं भेजता। मॉडल इनपुट की सामग्रियों को किसी identifiable उपयोगकर्ता से संबंध के बिना प्राप्त करता है। एक उपयोगकर्ता अपने प्रॉम्प्ट में व्यक्तिगत डेटा शामिल कर सकता है; ऐसे मामले में ये डेटा चुने हुए AI-मॉडल द्वारा संसाधित हो सकते हैं।

अतिरिक्त परिप्रेक्ष्य​

जैसे चैटिंग के दस्तावेजों के साथ, मल्टीमॉडल इनपुट या कुछ टूल्स के साथ, प्रॉम्प्ट में उपयोगकर्ता द्वारा चुड़ा गया संदर्भ जोड़ दिया जा सकता है, जैसे दस्तावेज़ अंश, छवियाँ या खोज परिणाम। यह संदर्भ भी बिना identifiable उपयोगकर्ता के मॉडल को प्रदान किया जाता है, लेकिन सामग्री में अगर उपयोगकर्ता ने स्वयं जोड़ा हो तो व्यक्तिगत डेटा हो सकता है।