कम बुद्धिमान LLM किसके लिए उपयुक्त हैं
Categories:
बड़े मॉडल के साथ एक वर्ष तक लड़ाई-जड़ाई करने के बाद, मैंने एक तथ्य को समझना शुरू कर दिया: मॉडल का आउटपुट प्रायिकता पर आधारित है। यह तथ्य स्वयं में स्पष्ट था, लेकिन इसे अपनाने में मुझे काफी समय लगा। केवल वही समझ सकता है कि बड़े मॉडल किस कार्य के लिए उपयुक्त हैं, जो वास्तव में इसकी प्रायिकता प्रणाली को समझता है।
बड़े मॉडल का आउटपुट अधिक संभावना से सही सामग्री उत्पन्न करने की प्रवृत्ति रखता है, इसलिए इसके उत्तर भी बहुत अधिक भ्रमित करने वाले होते हैं और पहचानने में आसान नहीं होते। कुछ लेख उन पाठकों के लिए होते हैं जिनकी समझदारी उच्च स्तर की होती है और जो निम्न गुणवत्ता वाले लेखों में ब्रेन पॉवर और समय की बर्बादी से बहुत संवेदनशील होते हैं, इसलिए वे AI द्वारा उत्पन्न सामग्री का विरोध करते हैं। कुछ पाठक विभिन्न प्रकार के लेखों को पहचानने में कम सक्षम होते हैं और AI द्वारा उत्पन्न सामग्री को आसानी से स्वीकार कर लेते हैं।
इसलिए बड़े मॉडल से सामग्री उत्पन्न करने के लिए, पाठक समूह पर विचार करना आवश्यक है। यह उन सामग्री के लिए उपयुक्त नहीं है जिनके लिए सटीकता आवश्यक है, जैसे तकनीकी दस्तावेज़, शोध पत्र, ट्यूटोरियल, लंबे लेख आदि। यह संक्षिप्त समाचार, सामाजिक विज्ञान के लेख, समीक्षा आदि के लिए उपयुक्त है। बड़े मॉडल द्वारा भ्रम समस्या इसके उन परिदृश्यों में अनुप्रयोग को और भी सीमित करती है जहाँ तथ्यात्मक शुद्धता आवश्यक है।
AI से नहीं करना चाहिए कि वह मानवों के निर्णय ले, बल्कि AI को मानवों के निर्णय लेने में सहायता करना चाहिए। विचार AI को नहीं सौंपना चाहिए, बल्कि AI को मानवों के विचारों में सहायता करना चाहिए। AI से नहीं पूछना चाहिए, बल्कि AI से मानवों से पूछने के लिए कहना चाहिए। प्रयास करें कि AI को समस्याओं को हल करने के बजाय प्रश्न पूछने के लिए प्रोत्साहित करें।
कम बुद्धिमान AI से सामग्री का विश्लेषण करना और प्रश्न पूछना उपयुक्त है, लेकिन समस्याओं को हल करने के लिए नहीं। इसे सामग्री विश्लेषण उपकरण, स्मार्ट रिमाइंडर उपकरण, प्रश्न पूछने वाले उपकरण, विकल्प प्रदान करने वाले उपकरण के रूप में प्रयोग कर सकते हैं। इन परिदृश्यों में, AI का उद्देश्य मानवों को उनके अंधेरे क्षेत्रों को खोजने में सहायता करना है, न कि सीधे निष्कर्ष निकालना।
AI लेखन क्षेत्र में भी ऐसी ही चर्चा है, गुणनियंत्रण अभी भी एक प्रमुख चुनौती है। कम बुद्धिमान LLM को सहायक उपकरण के रूप में स्थापित करना, न कि सामग्री निर्माता के रूप में, ही इसकी सही क्षमता का उपयोग करने के लिए आवश्यक है।