AI-বর্ধিত মানুষের চিন্তাধারায় চেইন-অফ-থট প্রয়োগ করা - রস ডসন

AI-বর্ধিত মানুষের চিন্তাধারায় চেইন-অফ-থট প্রয়োগ করা - রস ডসন

উত্স নোড: 3070889

বৃহৎ ভাষার মডেলগুলির মান এবং নির্ভরযোগ্যতা উন্নত করার জন্য সাম্প্রতিকতম উদ্ভাবনগুলির মধ্যে রয়েছে চেইন-অফ-থট এবং এর ডেরিভেটিভ সহ ট্রি-অফ-থট এবং গ্রাফ-অফ-থট

এই স্ট্রাকচারগুলি কার্যকরী ডিজাইন করার ক্ষেত্রেও অত্যন্ত মূল্যবান উন্নত চিন্তার জন্য মানুষ + এআই কর্মপ্রবাহ.

এই নিবন্ধে আমি চেইন-অফ-থট-এর একটি উচ্চ-স্তরের দৃশ্য প্রদান করব এবং তারপরে অ্যাপ্লিকেশনগুলি দেখব AI-বর্ধিত মানুষের বুদ্ধিমত্তা.

চেইন-অফ-থট

লার্জ ল্যাঙ্গুয়েজ মডেল (LLMs) সাধারণত টেক্সট জেনারেশনের ক্ষেত্রে চমৎকার, কিন্তু যেকোন কাজ যাতে ক্রমিক যুক্তি জড়িত থাকে সেগুলি খারাপ।

ল্যান্ডমার্ক জানুয়ারী 2022 কাগজ চেইন-অফ-থট প্রম্পটিং বৃহৎ ভাষার মডেলে যুক্তিকে প্রকাশ করে কীভাবে চিন্তার একটি শৃঙ্খল — “একটি মধ্যবর্তী যুক্তি পদক্ষেপের একটি সিরিজ” — গণিত এবং কমনসেন্স পাজল সহ যুক্তিযুক্ত কাজগুলিতে এলএলএম কর্মক্ষমতাকে উল্লেখযোগ্যভাবে উন্নত করতে পারে।

আপনি সম্ভবত এই ছবিটি দেখেছেন কাগজটি বৃত্তাকার করছেন

এই ধারণাটি সহ অন্যান্য অ্যাপ্লিকেশনগুলিতে দ্রুত অভিযোজিত হয়েছিল সাময়িক যুক্তি, ভিজ্যুয়াল ভাষার মডেল, পুনরুদ্ধার বর্ধিত যুক্তি, এবং AI মডেলের পারফরম্যান্স উন্নত করার আরও অনেক উপায়।

চেইন-অফ-থট ব্যবহারিক সমস্যা সমাধানের অ্যাপ্লিকেশনগুলিতে বিশেষভাবে মূল্যবান প্রমাণিত হয়েছে। সুস্পষ্ট উদাহরণ অন্তর্ভুক্ত ঔষধ, আইন, এবং শিক্ষা

Google-এর PaLM এবং Med-PaLM চেইন-অফ-থট স্ট্রাকচারগুলিকে অন্তর্ভুক্ত করে এবং OpenAI-এর GPT-4 খুব সম্ভবত তা করে, যার অর্থ আপনি যখন LLM ব্যবহার করেন তখন এই পদ্ধতিগুলি ইতিমধ্যেই অন্তর্নির্মিত। 

তবুও, বিখ্যাতভাবে প্রম্পট "আমাদের কাছে সঠিক উত্তর আছে কিনা তা নিশ্চিত হওয়ার জন্য ধাপে ধাপে এটি কাজ করা যাক" বা এর বিভিন্নতা সেরা এলএলএম পারফরম্যান্স দিন অনেক ধরনের কাজের জন্য। 

চেইন-অফ-থট এর বিবর্তন

চেইন-অফ-থট তৈরি করে বেশ কিছু উদ্ভাবন আবির্ভূত হয়েছে।

কার্যকর যুক্তি প্রক্রিয়াগুলি অগত্যা একটি একক ট্র্যাজেক্টোরি অনুসরণ করে না। এটাও বিশালাকার ট্রি-অফ-থট কাঠামো, বর্ণিত ট্রি অফ থটস: বৃহৎ ভাষার মডেলের সাথে ইচ্ছাকৃত সমস্যা সমাধান.

কাগজের এই চিত্রটিতে যেমন দেখানো হয়েছে, চেইন-অফ-থট প্রথমে একাধিক আউটপুট থেকে সর্বাধিক ঘন ঘন পথ নির্বাচন করতে এবং তারপর চিন্তা প্রক্রিয়ার মাধ্যমে একাধিক পথের সেরা থেকে নির্বাচন করতে অগ্রগতি করতে পারে। 

চেইন-অফ-থট-এর আরও সাম্প্রতিক উন্নয়নের মধ্যে রয়েছে খুবই আশাব্যঞ্জক গ্রাফ-অফ-থট সেইসাথে হাইপারগ্রাফ-অফ-থট

নতুন 'চিন্তা' কাঠামোগুলি জেনারেটিভ এআই অগ্রগতির কেন্দ্রবিন্দু হবে 

এলএলএম-এর সীমাবদ্ধতাগুলি মোকাবেলা করতে এবং তাদের ক্ষমতা বাড়ানোর জন্য চেইন-অফ-থট এবং সম্পর্কিত কৌশলগুলি তৈরি করা হয়েছিল। 

জেনারেটিভ এআই মডেলের ক্রমাগত অগ্রগতি গণনার ক্ষমতা বা মডেলের আকারের চেয়ে এই ধরণের কাঠামোগত চিন্তার কৌশলগুলির উপর অনেক বেশি নির্ভর করবে। এই পন্থা ইতিমধ্যে সক্ষম হয়েছে কর্মক্ষমতা অর্জনের জন্য ছোট, দক্ষ এলএলএম যা সবচেয়ে বড় মডেলের কাছে যেতে পারে। 

চেইন অফ থট এবং অনুরূপ মডেল এছাড়াও সরাসরি নেতৃত্ব মাল্টি-এজেন্ট চেইন, যেখানে চেইন বা চিন্তার নেটওয়ার্কগুলি একাধিক টাস্ক-অপ্টিমাইজ করা মডেল জুড়ে বিছানো হয় যাতে একটি একক মডেলের মধ্যে অর্জন করা যায় তার চেয়ে অনেক উচ্চতর যুক্তি এবং ফলাফল তৈরি করা হয়।

আর্টিফিশিয়াল জেনারেল ইন্টেলিজেন্সের চেয়ে বর্ধিত বুদ্ধিমত্তা বেশি গুরুত্বপূর্ণ

"প্রযুক্তির লক্ষ্য মানুষকে প্রতিস্থাপন করা উচিত নয়, বরং মানুষের ক্ষমতাকে প্রসারিত করা উচিত।" - ডগ এঙ্গেলবার্ট

প্রায় সমস্ত AI বিকাশের পিছনে চালিকা শক্তি হল এমন মেশিন তৈরি করা যা মানুষের বুদ্ধিমত্তা এবং ক্ষমতাকে অনুকরণ করতে এবং সম্ভাব্যভাবে অতিক্রম করতে পারে।

এটি একটি বোধগম্য উচ্চাকাঙ্ক্ষা।

কিন্তু আমি অনেক দূরে, অনেক বেশি আগ্রহী কিভাবে AI মানুষের বুদ্ধিমত্তা বৃদ্ধি করতে পারে.

আমরা একসাথে উভয় ডোমেনে কাজ করতে পারি।

তবে কৃত্রিম সাধারণ বুদ্ধিমত্তার দিকে অগ্রগতির জন্য সম্ভাব্য প্রতিটি পরিস্থিতিতে, আমরা যদি অন্তত সমান শক্তি প্রয়োগ করি তবে আমরা আরও ভাল হব। হিউম্যান + এআই চিন্তার কাঠামো তৈরি করা, শেখা এবং প্রয়োগ করা.

মানুষ + এআই চিন্তার কর্মপ্রবাহ 

ধারণা মানুষ + এআই আমার কাজের কেন্দ্রে আছে।

নিচের ফ্রেমওয়ার্কটি আমি এক বছর আগে তৈরি করেছি "এর প্রাথমিক ফ্রেমিং দেখায়মানুষ + এআই কর্মপ্রবাহ", যেখানে মানুষ এবং AI ক্রমানুসারে কাজগুলিকে সম্বোধন করে যা তারা সবচেয়ে উপযুক্ত।

যদি ভালভাবে ডিজাইন করা হয়, তবে এটি অবশ্যম্ভাবীভাবে প্রতিটি একা যা করতে পারে তার থেকে উচ্চতর ফলাফল তৈরি করে। 

তারপর থেকে আমি বিশেষভাবে সেরা মানব + এআই চিন্তার কাঠামো কী তা নিয়ে আরও বিশদভাবে খনন করছি।

এগুলোর ভিত্তি হবে বর্ধিত মানুষের বুদ্ধিমত্তার পরবর্তী ধাপ.

AI-বর্ধিত মানুষের চিন্তার জন্য চেইন-অফ-থট

চেইন-অফ-থট থেকে প্রবাহিত ধারণাগুলি এলএলএম-এর একক ক্ষমতা বাড়ানোর জন্য তৈরি করা হয়েছিল।

যাইহোক, তারা মানুষের এবং AI একসাথে কাজ করার মানকে সর্বাধিক করার ক্ষেত্রে অত্যন্ত মূল্যবান বলে প্রমাণিত হয়। 

একটি পরিসীমা আছে মানুষের জন্য চেইন-অফ-থট কাঠামো প্রয়োগ করার কৌশল + এআই চিন্তার কর্মপ্রবাহ.

বর্ধিত বুদ্ধিমত্তার জন্য এআই ধারণাগুলি প্রয়োগ করা হয়

এলএলএম ব্যবহার করা যেতে পারে কীভাবে কাজগুলিকে অনুক্রমিক (বা নেটওয়ার্কযুক্ত) উপাদানগুলিতে বিভক্ত করা যায়, যেখানে মানুষ বা এআই সনাক্ত করে যে মানুষের বা এআই ক্ষমতাগুলি সবচেয়ে উপযুক্ত হতে পারে।

একটি নির্দিষ্ট পদ্ধতির মধ্যে বর্ণনা করা হয়েছে চেইন-অফ-থট-এর মাধ্যমে হিউম্যান-ইন-দ্য-লুপ, যেখানে "যুক্তিগুলির মধ্যে সাব-লজিক্সের ম্যানুয়াল সংশোধন এলএলএম-এর যুক্তি কার্যক্ষমতা উন্নত করতে পারে।"

উদ্দেশ্য, কাজ এবং কাঠামোকে "ফ্রেমিং" করা, যেমনটি হিউম্যানস + এআই ওয়ার্কফ্লো ডায়াগ্রামে দেখানো হয়েছে, ফলাফলের গুণমানকে চালিত করে। AI প্রস্তাবনা বা পরামিতি মূল্যায়নের মতো প্রবাহ ব্যবহার করে এটি সাধারণত মানুষের দ্বারা সর্বোত্তমভাবে তত্ত্বাবধান করা হয়।

আমি এইগুলি এবং অন্যান্য পদ্ধতিগুলিকে "এআই-এনহ্যান্সড থিঙ্কিং প্যাটার্নস" এর একটি সেটে অন্তর্ভুক্ত করছি।

আরও সাধারণভাবে, মানুষের বুদ্ধিমত্তা বৃদ্ধিতে শুধুমাত্র চেইন-অফ-থট নয়, বিভিন্ন ধরনের AI অগ্রগতি অত্যন্ত কার্যকরভাবে প্রয়োগ করা যেতে পারে।  

আমি এর ধারণাগুলি প্রয়োগ করার বিষয়ে একটি অনুরূপ নিবন্ধ লিখতে চাই জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক থেকে মানব-এআই সিম্বিওটিক বুদ্ধিমত্তা কাঠামো 

এআই-এনহ্যান্সড থিঙ্কিং এবং ডিসিশন মেকিং এর উপর কোর্স

2024 সালে আমার সম্পূর্ণ ফোকাস হল এআই কীভাবে মানুষকে উন্নত করতে পারে।

আমার কেন্দ্রীয় ক্রিয়াকলাপগুলির মধ্যে একটি হল মাভেনে নিয়মিত কোহর্ট কোর্স চালানো: এআই-উন্নত চিন্তাভাবনা এবং সিদ্ধান্ত গ্রহণ. আরো বিস্তারিত জানার জন্য লিঙ্ক দেখুন.

পরবর্তী দলটি 8 ফেব্রুয়ারি শুরু হবে। এই নিবন্ধটি শেষ পর্যন্ত পড়ার জন্য আপনাকে ধন্যবাদ হিসাবে, আপনি কুপন ব্যবহার করে 30% ছাড় পেতে পারেন: COTARTICLE 🙂।

সময় স্ট্যাম্প:

থেকে আরো রসডসন