This Week In AI, August 18: OpenAI In Financial Trouble • Stability AI Announces StableCode - KDnuggets

प्लेटो द्वारा पुनर्प्रकाशित

अनुयायियों: 0

### एएलटी ###
मिडजर्नी के संपादक द्वारा बनाई गई छवि

KDnuggets पर "इस सप्ताह एआई में" के इस सप्ताह के संस्करण में आपका स्वागत है। इस क्यूरेटेड साप्ताहिक पोस्ट का उद्देश्य आपको कृत्रिम बुद्धिमत्ता की तेजी से आगे बढ़ती दुनिया में सबसे सम्मोहक विकास से अवगत कराना है। समाज में एआई की भूमिका के बारे में हमारी समझ को आकार देने वाली अभूतपूर्व सुर्खियों से लेकर विचारोत्तेजक लेख, व्यावहारिक शिक्षण संसाधन और हमारे ज्ञान की सीमाओं को आगे बढ़ाने वाले स्पॉटलाइट अनुसंधान तक, यह पोस्ट एआई के वर्तमान परिदृश्य का एक व्यापक अवलोकन प्रदान करता है। यह साप्ताहिक अपडेट आपको इस निरंतर विकसित हो रहे क्षेत्र में अद्यतन और सूचित रखने के लिए डिज़ाइन किया गया है। देखते रहिए और पढ़कर खुश रहिए!

"हेडलाइंस" अनुभाग कृत्रिम बुद्धिमत्ता के क्षेत्र में पिछले सप्ताह के शीर्ष समाचारों और विकासों पर चर्चा करता है। जानकारी सरकारी एआई नीतियों से लेकर एआई में तकनीकी प्रगति और कॉर्पोरेट नवाचारों तक है।

💡 ChatGPT मुसीबत में: OpenAI 2024 तक दिवालिया हो सकता है, AI बॉट से कंपनी को हर दिन 700,000 डॉलर का नुकसान होता है

चैटजीपीटी और अन्य एआई सेवाओं को चलाने की उच्च लागत के कारण ओपनएआई को वित्तीय परेशानी का सामना करना पड़ रहा है। शुरुआती तीव्र वृद्धि के बावजूद, चैटजीपीटी के उपयोगकर्ता आधार में हाल के महीनों में गिरावट आई है। OpenAI अपनी तकनीक का प्रभावी ढंग से मुद्रीकरण करने और स्थायी राजस्व उत्पन्न करने के लिए संघर्ष कर रहा है। इस बीच, नकदी का ख़तरनाक दर से ख़त्म होना जारी है। बढ़ती प्रतिस्पर्धा और उद्यम जीपीयू की कमी के कारण मॉडल विकास में बाधा आ रही है, ओपनएआई को तत्काल लाभप्रदता के रास्ते खोजने की जरूरत है। यदि यह ऐसा करने में विफल रहता है, तो अग्रणी एआई स्टार्टअप के लिए दिवालियापन क्षितिज पर हो सकता है।

💡 स्टेबिलिटी एआई ने स्टेबलकोड की घोषणा की, जो डेवलपर्स के लिए एक एआई कोडिंग सहायक है

स्टेबिलिटी एआई ने स्टेबलकोड जारी किया है, जो सॉफ्टवेयर विकास के लिए अनुकूलित इसका पहला जेनरेटिव एआई उत्पाद है। स्टेबलकोड में बुद्धिमान स्वत: पूर्णता प्रदान करने, प्राकृतिक भाषा निर्देशों का जवाब देने और कोड की लंबी अवधि को प्रबंधित करने के लिए 500 बिलियन से अधिक टोकन कोड पर प्रशिक्षित कई मॉडल शामिल हैं। जबकि संवादी एआई पहले से ही कोड लिख सकता है, स्टेबलकोड का उद्देश्य कोड संरचना और निर्भरता को समझकर प्रोग्रामर उत्पादकता को बढ़ावा देना है। अपने विशेष प्रशिक्षण और मॉडलों के साथ जो लंबे संदर्भों को संभाल सकते हैं, स्टेबलकोड का लक्ष्य डेवलपर वर्कफ़्लो को बढ़ाना और इच्छुक कोडर्स के लिए प्रवेश में बाधा को कम करना है। यह लॉन्च अंतरिक्ष में बढ़ती प्रतिस्पर्धा के बीच एआई-सहायता प्राप्त कोडिंग टूल में स्टेबिलिटी एआई के प्रवेश का प्रतिनिधित्व करता है।

💡 OpenAI द्वारा सुपरएलाइनमेंट का परिचय

ओपनएआई अपनी नई सुपरएलाइनमेंट टीम के माध्यम से सुपरइंटेलिजेंट एआई से संभावित जोखिमों को संबोधित करने के लिए सक्रिय रूप से काम कर रहा है, जो एआई सिस्टम को संरेखित करने के लिए मानव प्रतिक्रिया से सुदृढीकरण सीखने जैसी तकनीकों का उपयोग कर रहा है। मुख्य लक्ष्य अन्य एआई प्रणालियों का लाभ उठाते हुए स्केलेबल प्रशिक्षण विधियों का विकास करना, मॉडल की मजबूती को मान्य करना और जानबूझकर गलत संरेखित मॉडल के साथ भी पूर्ण संरेखण पाइपलाइन का तनाव परीक्षण करना है। कुल मिलाकर, ओपनएआई का लक्ष्य यह दिखाना है कि जिम्मेदारीपूर्वक सुपरइंटेलिजेंस को संचालित करने के लिए अग्रणी तरीकों से मशीन लर्निंग को सुरक्षित रूप से संचालित किया जा सकता है।

💡 जेनरेटिव एआई का उपयोग करते हुए खोजें (और ब्राउज़ करें) सीखें

Google अपनी सर्च इंजन जेनरेशन (SGE) AI क्षमताओं के लिए कई अपडेट की घोषणा कर रहा है, जिसमें विज्ञान/इतिहास विषयों के लिए होवर परिभाषाएँ, कोड ओवरव्यू के लिए रंग-कोडित सिंटैक्स हाइलाइटिंग और "ब्राउज़िंग के दौरान SGE" नामक एक प्रारंभिक प्रयोग शामिल है जो प्रमुख बिंदुओं को सारांशित करता है और उपयोगकर्ताओं की मदद करता है। वेब पर लंबी-फ़ॉर्म सामग्री पढ़ते समय पृष्ठों का अन्वेषण करें। इनका उद्देश्य जटिल विषयों की समझ को बढ़ाना, कोडिंग जानकारी के पाचन में सुधार करना और उपयोगकर्ताओं को ब्राउज़ करते समय नेविगेशन और सीखने में सहायता करना है। अपडेट जटिल वेब सामग्री से महत्वपूर्ण विवरण निकालने और समझने पर ध्यान देने के साथ, उपयोगकर्ता प्रतिक्रिया के आधार पर अपने एआई खोज अनुभव को विकसित करने के लिए Google के निरंतर प्रयासों का प्रतिनिधित्व करते हैं।

💡 टुगेदर.एआई Llama2 को 32k संदर्भ विंडो तक विस्तारित करता है

LLaMA-2-7B-32K टुगेदर कंप्यूटर द्वारा विकसित एक ओपन-सोर्स, लंबा संदर्भ भाषा मॉडल है जो मेटा के LLaMA-2 की संदर्भ लंबाई को 32K टोकन तक बढ़ाता है। यह अधिक कुशल अनुमान और प्रशिक्षण को सक्षम करने के लिए फ्लैशअटेंशन-2 जैसे अनुकूलन का लाभ उठाता है। मॉडल को पुस्तकों, कागजात और निर्देशात्मक डेटा सहित डेटा के मिश्रण का उपयोग करके पूर्व-प्रशिक्षित किया गया था। दीर्घ-फ़ॉर्म QA और सारांश कार्यों को ठीक करने के लिए उदाहरण प्रदान किए गए हैं। उपयोगकर्ता हगिंग फेस के माध्यम से मॉडल तक पहुंच सकते हैं या अनुकूलित फाइन-ट्यूनिंग के लिए ओपनचैटकिट का उपयोग कर सकते हैं। सभी भाषा मॉडलों की तरह, LLaMA-2-7B-32K पक्षपातपूर्ण या गलत सामग्री उत्पन्न कर सकता है, जिसके उपयोग में सावधानी की आवश्यकता होती है।

"लेख" अनुभाग कृत्रिम बुद्धिमत्ता पर विचारोत्तेजक अंशों की एक श्रृंखला प्रस्तुत करता है। प्रत्येक लेख एक विशिष्ट विषय पर गहराई से प्रकाश डालता है, पाठकों को नई तकनीकों, क्रांतिकारी दृष्टिकोण और अभूतपूर्व उपकरणों सहित एआई के विभिन्न पहलुओं की अंतर्दृष्टि प्रदान करता है।

📰 लैंगचेन चीट शीट

लैंगचेन के साथ, डेवलपर्स पहिये का पुन: आविष्कार किए बिना सक्षम एआई भाषा-आधारित ऐप्स बना सकते हैं। इसकी संयोजन योग्य संरचना एलएलएम, प्रॉम्प्ट टेम्प्लेट, बाहरी उपकरण और मेमोरी जैसे घटकों को मिश्रण और मिलान करना आसान बनाती है। यह प्रोटोटाइपिंग को गति देता है और समय के साथ नई क्षमताओं के निर्बाध एकीकरण की अनुमति देता है। चाहे आप चैटबॉट, क्यूए बॉट, या मल्टी-स्टेप रीजनिंग एजेंट बनाना चाह रहे हों, लैंगचेन उन्नत एआई को तेजी से इकट्ठा करने के लिए बिल्डिंग ब्लॉक प्रदान करता है।

📰 टेक्स्ट को पावरपॉइंट प्रेजेंटेशन में बदलने के लिए ChatGPT का उपयोग कैसे करें

लेख टेक्स्ट को पावरपॉइंट प्रेजेंटेशन में परिवर्तित करने के लिए चैटजीपीटी का उपयोग करने के लिए दो-चरणीय प्रक्रिया की रूपरेखा तैयार करता है, पहले टेक्स्ट को स्लाइड शीर्षक और सामग्री में सारांशित करता है, फिर पायथन-पीपीटीएक्स लाइब्रेरी का उपयोग करके सारांश को पीपीटीएक्स प्रारूप में परिवर्तित करने के लिए पायथन कोड उत्पन्न करता है। यह थकाऊ मैन्युअल प्रयासों पर काबू पाकर, लंबे पाठ दस्तावेज़ों से आकर्षक प्रस्तुतियाँ तेजी से बनाने की अनुमति देता है। चैटजीपीटी संकेतों को तैयार करने और कोड चलाने पर स्पष्ट निर्देश प्रदान किया जाता है, जो प्रस्तुति आवश्यकताओं के लिए एक कुशल स्वचालित समाधान प्रदान करता है।

📰 एलएलएम शोध में खुली चुनौतियाँ

लेख बड़े भाषा मॉडल को बेहतर बनाने के लिए 10 प्रमुख शोध दिशाओं का अवलोकन प्रदान करता है: मतिभ्रम को कम करना, संदर्भ लंबाई/निर्माण को अनुकूलित करना, मल्टीमॉडल डेटा को शामिल करना, मॉडल में तेजी लाना, नए आर्किटेक्चर डिजाइन करना, फोटोनिक चिप्स जैसे जीपीयू विकल्प विकसित करना, प्रयोग करने योग्य एजेंटों का निर्माण करना, सीखने में सुधार करना मानवीय प्रतिक्रिया, चैट इंटरफेस को बढ़ाना और गैर-अंग्रेजी भाषाओं तक विस्तार करना। यह इन क्षेत्रों में प्रासंगिक कागजात का हवाला देता है, जिसमें सुदृढीकरण सीखने और कम संसाधन वाली भाषाओं के लिए मॉडल बनाने के लिए मानव प्राथमिकताओं का प्रतिनिधित्व करने जैसी चुनौतियों का उल्लेख किया गया है। लेखक का निष्कर्ष है कि बहुभाषिकता जैसे कुछ मुद्दे अधिक सुव्यवस्थित हैं, वहीं वास्तुकला जैसे अन्य मुद्दों पर अधिक प्रगति की आवश्यकता होगी। कुल मिलाकर, शोधकर्ताओं, कंपनियों और समुदाय के बीच तकनीकी और गैर-तकनीकी विशेषज्ञता एलएलएम को सकारात्मक रूप से चलाने के लिए महत्वपूर्ण होगी।

📰 आपको (संभवतः) एलएलएम को बेहतर बनाने की आवश्यकता क्यों नहीं है?

📰 ओपनएआई जीपीटी मॉडल का उपयोग करने की सर्वोत्तम प्रथाएँ

लेख सामुदायिक अनुभव के आधार पर ओपनएआई के जीपीटी मॉडल का उपयोग करते समय उच्च-गुणवत्ता वाले आउटपुट प्राप्त करने के लिए सर्वोत्तम प्रथाओं की रूपरेखा देता है। यह लंबाई और व्यक्तित्व जैसी विशिष्टताओं के साथ विस्तृत संकेत प्रदान करने की अनुशंसा करता है; बहु-चरणीय निर्देश; नकल करने के लिए उदाहरण; संदर्भ और उद्धरण; आलोचनात्मक सोच का समय; और परिशुद्धता के लिए कोड निष्पादन। मॉडलों को निर्देश देने की इन युक्तियों का पालन करने से, जैसे कि चरण और व्यक्तित्व निर्दिष्ट करने से, अधिक सटीक, प्रासंगिक और अनुकूलन योग्य परिणाम प्राप्त हो सकते हैं। मार्गदर्शन का उद्देश्य ओपनएआई की शक्तिशाली जेनरेटर क्षमताओं से अधिकतम लाभ प्राप्त करने के लिए उपयोगकर्ताओं को प्रभावी ढंग से संरचना के संकेतों में मदद करना है।

📰 एआई के बारे में हम सब गलत हैं

आम गलतफहमियों का मुकाबला करने के लिए रचनात्मकता, खोज और वैयक्तिकरण जैसे उदाहरणों का उपयोग करते हुए लेखक का तर्क है कि वर्तमान एआई क्षमताओं को कम करके आंका गया है। उनका कहना है कि एआई अवधारणाओं को पुनः संयोजित करके रचनात्मक हो सकता है, न कि केवल यादृच्छिक विचार उत्पन्न करके; यह सिर्फ Google जैसा सुपरचार्ज्ड सर्च इंजन नहीं है; और यह केवल सामान्य कौशल ही नहीं, बल्कि वैयक्तिकृत संबंध भी विकसित कर सकता है। हालांकि यह अनिश्चित है कि कौन से एप्लिकेशन सबसे उपयोगी साबित होंगे, लेखक खारिज करने के बजाय खुले दिमाग का आग्रह करता है, इस बात पर जोर देता है कि एआई की क्षमता को निर्धारित करने का सबसे अच्छा तरीका निरंतर हाथों से अन्वेषण करना है। उन्होंने निष्कर्ष निकाला कि एआई के बारे में हमारी कल्पना सीमित है और इसका उपयोग वर्तमान भविष्यवाणियों से कहीं अधिक होने की संभावना है।

"टूल्स" अनुभाग उन लोगों के लिए समुदाय द्वारा बनाए गए उपयोगी ऐप्स और स्क्रिप्ट को सूचीबद्ध करता है जो व्यावहारिक एआई अनुप्रयोगों में व्यस्त होना चाहते हैं। यहां आपको बड़े व्यापक कोड बेस से लेकर छोटी विशिष्ट स्क्रिप्ट तक कई प्रकार के टूल मिलेंगे। ध्यान दें कि उपकरण बिना किसी अनुमोदन के और किसी भी प्रकार की गारंटी के बिना साझा किए जाते हैं। किसी भी सॉफ़्टवेयर को इंस्टॉल करने और उपयोग करने से पहले उस पर अपना स्वयं का होमवर्क करें!

️ मेटाजीपीटी: मल्टी-एजेंट फ्रेमवर्क

मेटाजीपीटी इनपुट के रूप में एक पंक्ति की आवश्यकता लेता है और उपयोगकर्ता कहानियों / प्रतिस्पर्धी विश्लेषण / आवश्यकताओं / डेटा संरचनाओं / एपीआई / दस्तावेजों आदि को आउटपुट करता है। आंतरिक रूप से, मेटाजीपीटी में उत्पाद प्रबंधक / आर्किटेक्ट / परियोजना प्रबंधक / इंजीनियर शामिल हैं। यह सावधानीपूर्वक व्यवस्थित एसओपी के साथ एक सॉफ्टवेयर कंपनी की पूरी प्रक्रिया प्रदान करता है।

️ जीपीटी एलएलएम ट्रेनर

इस परियोजना का लक्ष्य उच्च प्रदर्शन वाले कार्य-विशिष्ट मॉडल को प्रशिक्षित करने के लिए एक प्रयोगात्मक नई पाइपलाइन का पता लगाना है। हम सभी जटिलताओं को दूर करने का प्रयास करते हैं, इसलिए विचार -> निष्पादनकर्ता पूर्णतः प्रशिक्षित मॉडल से आगे बढ़ना जितना संभव हो उतना आसान है।

बस अपने कार्य का विवरण इनपुट करें, और सिस्टम शुरू से ही एक डेटासेट तैयार करेगा, इसे सही प्रारूप में पार्स करेगा, और आपके लिए LLaMA 2 मॉडल को फाइन-ट्यून करेगा।

️ डॉक्टरजी.पी.टी

डॉक्टरजीपीटी एक बड़ा भाषा मॉडल है जो यूएस मेडिकल लाइसेंसिंग परीक्षा पास कर सकता है। यह एक ओपन-सोर्स प्रोजेक्ट है जिसका मिशन सभी को अपना निजी डॉक्टर उपलब्ध कराना है। डॉक्टरजीपीटी मेटा के लामा2 7 बिलियन पैरामीटर लार्ज लैंग्वेज मॉडल का एक संस्करण है जिसे मेडिकल डायलॉग डेटासेट पर ठीक किया गया था, फिर रीइन्फोर्समेंट लर्निंग और संवैधानिक एआई का उपयोग करके इसे और बेहतर बनाया गया। चूंकि मॉडल का आकार केवल 3 गीगाबाइट है, यह किसी भी स्थानीय डिवाइस पर फिट बैठता है, इसलिए इसका उपयोग करने के लिए एपीआई का भुगतान करने की कोई आवश्यकता नहीं है।