शोधकर्ताओं ने ऑपरेटिंग सिस्टम के भीतर एआई उपयोग को आगे बढ़ाया, मॉडल सटीकता को 27% तक बढ़ाया
Summary:
माइक्रोसॉफ्ट रिसर्च और पेकिंग यूनिवर्सिटी के वैज्ञानिकों की एक टीम ने यह समझने के लिए एक अध्ययन किया कि जीपीटी -4 जैसे बड़े भाषा मॉडल (एलएलएम) ऑपरेटिंग सिस्टम में हेरफेर करने के लिए संघर्ष क्यों करते हैं। परंपरागत रूप से सुदृढीकरण सीखने के माध्यम से प्रशिक्षित, ये एआई मॉडल मल्टीमॉडल चुनौतियों और डेटा हानि के जोखिम के कारण ओएस वातावरण में लड़खड़ाते हैं। एंड्रॉइडएरेना नामक टीम द्वारा बनाए गए एक अद्वितीय प्रशिक्षण वातावरण में, उन्होंने चार प्रमुख कौशल की पहचान की जिनमें एलएलएम की कमी थी: समझ, तर्क, अन्वेषण और प्रतिबिंब। एक आश्चर्यजनक मोड़ में, शोधकर्ताओं ने एक "सरल" विधि की खोज की जिसने "प्रतिबिंब" की कमी को संबोधित करके एक मॉडल की सटीकता को 27% तक बढ़ा दिया। यह शोध एक उन्नत एआई सहायक के लिए मार्ग प्रशस्त कर सकता है।
ChatGPT के लिए एक ऑपरेटिंग सिस्टम के भीतर स्वतंत्र रूप से कार्य करने की रणनीति विकसित करना मुश्किल रहा है, लेकिन Microsoft रिसर्च और पेकिंग विश्वविद्यालय के वैज्ञानिकों के एक सहयोगी प्रयास ने कुंजी पाई हो सकती है। शोधकर्ताओं ने यह पता लगाने के लिए एक अन्वेषण शुरू किया कि कृत्रिम बुद्धिमत्ता (एआई) जैसे जीपीटी -4 के लिए बड़े भाषा मॉडल (एलएलएम) ऑपरेटिंग सिस्टम हेरफेर की आवश्यकता वाले कार्यों में विफल क्यों होते हैं। GPT-4 द्वारा संचालित ChatGPT जैसी अत्याधुनिक प्रणालियाँ ईमेल लिखने या कविता लिखने जैसे उत्पादक कार्यों के लिए मानक निर्धारित करती हैं। हालांकि, इन मॉडलों को एक सामान्य वातावरण में एजेंटों के रूप में संचालित करने में सक्षम बनाने से इसके परीक्षणों का सेट आता है।
आमतौर पर, एआई मॉडल सुदृढीकरण सीखने के माध्यम से आभासी वातावरण पर बातचीत करना सीखते हैं। एआई रचनाकारों ने स्व-चालित अन्वेषण और लक्ष्य लक्ष्य पर सीख प्रदान करने के लिए सुपर मारियो ब्रदर्स और माइनक्राफ्ट जैसे प्रसिद्ध वीडियो गेम के संशोधित संस्करणों में टैप किया है। हालांकि, ऑपरेटिंग सिस्टम एआई मॉडल के लिए एक अनूठी चुनौती पेश करते हैं। एजेंटों के रूप में, एक ओएस के भीतर कार्यों को निष्पादित करना अक्सर विभिन्न घटकों, अनुप्रयोगों और कार्यक्रमों के बीच सूचना विनिमय से जुड़े एक बहुआयामी बाधा प्रस्तुत करता है।
सुदृढीकरण प्रशिक्षण के संदर्भ में, दृष्टिकोण काफी हद तक प्रयोग पर निर्भर करता है। इस विधि से डेटा हानि हो सकती है जैसा कि देखा जाता है जब पासवर्ड कई बार गलत तरीके से दर्ज किए जाते हैं या विभिन्न ऐप्स में लागू शॉर्टकट के बारे में अस्पष्ट होते हैं। सम्बंधित: परमाणु हथियारों के साथ ChatGPT की प्रवृत्ति, SEGA की 80 के दशक की AI, TAO की 90% वृद्धि: AI Eye
वैज्ञानिक समूह ने कई एलएलएम के साथ काम किया, जिनमें मेटा द्वारा ओपन-सोर्स किए गए जैसे लामा 2, 70 बी और ओपनएआई जैसे जीपीटी -3.5 और जीपीटी -4 शामिल हैं। शोध में पाया गया कि इनमें से किसी भी एलएलएम ने असाधारण प्रदर्शन नहीं दिखाया। जैसा कि टीम के शोध पत्र में कहा गया है, वर्तमान मांगें कई कारणों से वर्तमान एआई की क्षमताओं का स्थान लेती हैं।
उन्होंने एंड्रॉइडएरिना नामक एक उपन्यास प्रशिक्षण वातावरण का बीड़ा उठाया जिसने एलएलएम को एंड्रॉइड ओएस के समान सेटिंग में नेविगेट करने की अनुमति दी। परीक्षण कार्यों और एक बेंचमार्क प्रणाली स्थापित करने के बाद, उन्होंने पाया कि एलएलएम में मुख्य रूप से चार प्रमुख कौशल की कमी थी: समझ, तर्क, अन्वेषण और प्रतिबिंब।
हालांकि अध्ययन का फोकस समस्या को इंगित करना था, शोधकर्ताओं ने अप्रत्याशित रूप से एक मॉडल की सटीकता को 27% तक बढ़ाने के लिए एक सीधी विधि की पहचान की। उन्होंने अपने पूर्व प्रयासों और उन के दौरान उपयोग की जाने वाली रणनीतियों के बारे में मॉडल में स्वचालित जानकारी खिलाकर प्रतिबिंब की कमी के मुद्दे से निपटा। कार्रवाई को ट्रिगर करने के लिए उपयोग किए जाने वाले संकेतों के भीतर मेमोरी एम्बेड करना यह सुनिश्चित करता है।
अनुसंधान की इस पंक्ति का एक बेहतर एआई सहायक बनाने में गहरा प्रभाव हो सकता है।
Published At
2/12/2024 11:37:47 PM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.