ਨੇੜੇ
ਚਾਰ ਵਿਸ਼ੇਸ਼ ਮਾਡਿਊਲ ਨਵੇਂ MiCRo ਮਾਡਲ ਵਿੱਚ ਸਹਿਯੋਗ ਕਰਦੇ ਹਨ, ਜੋ ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਵਧੇਰੇ ਪੜ੍ਹਨਯੋਗ ਅਤੇ ਨਿਯੰਤਰਣਯੋਗ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।
ਹਾਲ ਹੀ ਦੇ ਸਾਲਾਂ ਵਿੱਚ ਆਈ ਵੱਡਾ ਭਾਸ਼ਾ ਮਾਡਲ ਜਾਂ ਐਲਐਲਐਮ ਮਨੁੱਖਾਂ ਅਤੇ ਪ੍ਰਣਾਲੀਆਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਡੂੰਘਾਈ ਨਾਲ ਬਦਲ ਦਿੱਤਾ ਹੈ ਨਕਲੀ ਬੁੱਧੀਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਤੋਂ ਲੈ ਕੇ ਸਾਫਟਵੇਅਰ ਪ੍ਰੋਗਰਾਮਿੰਗ ਤੱਕ, ਜਿਸ ਵਿੱਚ ਮਸ਼ੀਨ ਅਨੁਵਾਦ, ਦਸਤਾਵੇਜ਼ ਵਿਸ਼ਲੇਸ਼ਣ, ਅਤੇ ਵਿਗਿਆਨਕ ਖੋਜ ਸਹਾਇਤਾ ਸ਼ਾਮਲ ਹੈ, ਇਹਨਾਂ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਨੇ ਕੁਝ ਸਾਲ ਪਹਿਲਾਂ ਅਸੰਭਵ ਸ਼ੁੱਧਤਾ ਦੇ ਪੱਧਰ ਪ੍ਰਾਪਤ ਕੀਤੇ ਹਨ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਦੀ ਵਧਦੀ ਪ੍ਰਸਿੱਧੀ ਨੇ ਇੱਕ ਸਵਾਲ ਖੜ੍ਹਾ ਕੀਤਾ ਹੈ ਜੋ ਹੁਣ ਵਿਗਿਆਨਕ ਬਹਿਸ ਦੇ ਬਹੁਤ ਸਾਰੇ ਹਿੱਸੇ ਵਿੱਚ ਫੈਲਿਆ ਹੋਇਆ ਹੈ: ਕੀ ਇਹ ਸੱਚਮੁੱਚ ਸਮਝਣਾ ਸੰਭਵ ਹੈ ਕਿ ਇਹ ਸਿਸਟਮ ਆਪਣੇ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਗਏ ਸਿੱਟਿਆਂ 'ਤੇ ਕਿਵੇਂ ਪਹੁੰਚਦੇ ਹਨ?
ਇਹ ਸਵਾਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅਕਾਦਮਿਕ ਨਹੀਂ ਹੈ। ਦਵਾਈ, ਵਿੱਤ, ਨਿਆਂ, ਜਾਂ ਉਦਯੋਗਿਕ ਡਿਜ਼ਾਈਨ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ, ਇਹ ਜਾਣਨਾ ਕਿ ਇੱਕ ਐਲਗੋਰਿਦਮ ਨੇ ਇੱਕ ਖਾਸ ਜਵਾਬ ਕਿਉਂ ਤਿਆਰ ਕੀਤਾ ਹੈ, ਓਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦਾ ਹੈ ਜਿੰਨਾ ਕਿ ਜਵਾਬ ਖੁਦ। ਹਾਲਾਂਕਿ, ਅੱਜ ਉਪਲਬਧ ਜ਼ਿਆਦਾਤਰ ਮਾਡਲ ਇੱਕ ਵਾਂਗ ਵਿਵਹਾਰ ਕਰਦੇ ਰਹਿੰਦੇ ਹਨ। "ਬਲੈਕ ਬਾਕਸ": ਨਤੀਜਾ ਦਿਖਾਈ ਦੇ ਰਿਹਾ ਹੈ, ਜਦੋਂ ਕਿ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੁਆਰਾ ਅਪਣਾਇਆ ਜਾਣ ਵਾਲਾ ਕੰਪਿਊਟੇਸ਼ਨਲ ਮਾਰਗ ਇਸਦੇ ਡਿਵੈਲਪਰਾਂ ਲਈ ਵੀ ਕਾਫ਼ੀ ਹੱਦ ਤੱਕ ਅਪਾਰਦਰਸ਼ੀ ਰਹਿੰਦਾ ਹੈ।
ਇਹ ਬਿਲਕੁਲ ਇਸ ਸੀਮਾ 'ਤੇ ਹੈ ਕਿ ਖੋਜ ਦਖਲ ਦਿੰਦੀ ਹੈਇਕੋਲੇ ਪੋਲੀਟੈਕਨੀਕ ਫੈਡਰੈਲ ਡੀ ਲੌਸਨੇ (ਈਪੀਐਫਐਲ), ਵਿਚ Svizzeraਵਿਦਵਾਨਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਨੇ ਵਿਕਸਤ ਕੀਤਾ ਹੈ ਮਾਈਕ੍ਰੋ, ਮਿਕਸਚਰ ਆਫ਼ ਕੋਗਨਿਟਿਵ ਰੀਜ਼ਨਰਸ ਦਾ ਸੰਖੇਪ ਰੂਪ।, ਟ੍ਰਾਂਸਫਾਰਮਰਾਂ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਮਾਡਿਊਲਰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਮਾਡਲ ਦੇ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਵਿੱਚ ਕਾਰਜਸ਼ੀਲ ਮੁਹਾਰਤ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।
ਮਾਈਕ੍ਰੋ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੀ ਜੈਵਿਕ ਬਣਤਰ ਨੂੰ ਵਫ਼ਾਦਾਰੀ ਨਾਲ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰਦਾ, ਅਤੇ ਨਾ ਹੀ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇੱਕ ਨਕਲੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਮਨੁੱਖ ਵਾਂਗ ਸੋਚਦਾ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਇਹ ਬੋਧਾਤਮਕ ਨਿਊਰੋਸਾਇੰਸ ਵਿੱਚ ਦੇਖੇ ਗਏ ਇੱਕ ਆਮ ਸਿਧਾਂਤ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ: ਮਨੁੱਖੀ ਬੁੱਧੀ ਕਿਸੇ ਇੱਕਲੇ, ਅਸਪਸ਼ਟ ਖੇਤਰ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਕਰਦੀ, ਸਗੋਂ ਵੱਖ-ਵੱਖ ਕਾਰਜਾਂ, ਜਿਵੇਂ ਕਿ ਭਾਸ਼ਾ, ਤਰਕਪੂਰਨ ਤਰਕ, ਸਮਾਜਿਕ ਸਮਝ, ਅਤੇ ਗਿਆਨ ਪ੍ਰਾਪਤੀ ਵਿੱਚ ਮਾਹਰ ਨੈੱਟਵਰਕਾਂ ਵਿਚਕਾਰ ਆਪਸੀ ਤਾਲਮੇਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।
ਇਹ ਪ੍ਰੋਜੈਕਟ ਕੰਪਿਊਟੇਸ਼ਨਲ ਭਾਸ਼ਾ ਵਿਗਿਆਨ ਵਿਚਕਾਰ ਮੀਟਿੰਗ ਤੋਂ ਪੈਦਾ ਹੋਇਆ ਸੀ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਅਤੇ ਨਿਊਰੋਸਾਇੰਸ। ਲੇਖਕ ਹਨ ਬਦਰ ਅਲ-ਖਾਮਸੀ, ਨਿਕੋਲਸ ਡੀ ਸਬਟਾ, ਗ੍ਰੇਟਾ ਟਕੁਟ, ਜ਼ੇਮਿੰਗ ਚੇਨ, ਮਾਰਟਿਨ ਸ਼੍ਰਿਮਫ e ਐਂਟੋਇਨ ਬੋਸੇਲੁਟ, EPFL, ਮੈਸੇਚਿਉਸੇਟਸ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਟੈਕਨਾਲੋਜੀ, ਅਤੇ ਹਾਰਵਰਡ ਯੂਨੀਵਰਸਿਟੀ ਨਾਲ ਸੰਬੰਧਿਤ। ਇਹ ਕੰਮ ਚੌਦਵੇਂ ਐਡੀਸ਼ਨ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਸੀਸਿਖਲਾਈ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ 'ਤੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਕਾਨਫਰੰਸ, 2026 ਲਈ ਤਹਿ ਕੀਤਾ ਗਿਆ ਹੈ।
ਇੱਕ ਟ੍ਰਾਂਸਫਾਰਮਰ ਮਾਡਲ ਦੇ ਅੰਦਰ ਚਾਰ ਬੋਧਾਤਮਕ "ਮਾਹਰ"
MiCRo ਦੀ ਵਿਲੱਖਣ ਵਿਸ਼ੇਸ਼ਤਾ ਇਹ ਹੈ ਕਿ ਇਹ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਭਾਸ਼ਾ ਮਾਡਲ ਦੀਆਂ ਪਰਤਾਂ ਨੂੰ ਇਹਨਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ ਚਾਰ ਮਾਹਰ ਮਾਡਿਊਲ, ਜਿੰਨੇ ਵੀ ਬੋਧਾਤਮਕ ਕਾਰਜਾਂ ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ। ਇਹ ਚਾਰ ਸੁਤੰਤਰ ਪ੍ਰਣਾਲੀਆਂ ਨਹੀਂ ਹਨ ਜੋ ਇੱਕ ਦੂਜੇ ਨਾਲ ਸਲਾਹ-ਮਸ਼ਵਰਾ ਕਰਦੀਆਂ ਹਨ, ਸਗੋਂ ਇੱਕੋ ਟ੍ਰਾਂਸਫਾਰਮਰ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਵਿਸ਼ੇਸ਼ ਹਿੱਸੇ ਹਨ।
ਪਹਿਲਾ ਮੋਡੀਊਲ ਇਸ ਨੂੰ ਸਮਰਪਿਤ ਹੈ ਭਾਸ਼ਾ ਅਤੇ ਮੁੱਖ ਤੌਰ 'ਤੇ ਭਾਸ਼ਾਈ ਢਾਂਚੇ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ। ਦੂਜਾ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਤਰਕ, ਸਮੱਸਿਆ ਹੱਲ ਕਰਨਾ ਅਤੇ ਸੰਖੇਪ ਤਰਕ। ਤੀਜਾ ਸਮਾਜਿਕ ਗਿਆਨ, ਯਾਨੀ, ਇਰਾਦਿਆਂ, ਭਾਵਨਾਵਾਂ, ਅੰਤਰ-ਵਿਅਕਤੀਗਤ ਸਬੰਧਾਂ ਅਤੇ ਅਪ੍ਰਤੱਖ ਸੰਚਾਰ ਦੇ ਰੂਪਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਯੋਗਤਾ। ਚੌਥਾ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ ਦੁਨੀਆਂ ਦਾ ਗਿਆਨ, ਸਮੇਂ ਦੇ ਨਾਲ ਵੰਡੀ ਗਈ ਜਾਣਕਾਰੀ, ਯਾਦਾਂ ਅਤੇ ਬਿਰਤਾਂਤਕ ਕ੍ਰਮਾਂ ਨੂੰ ਜੋੜਨਾ।
ਇਹ ਆਖਰੀ ਮੋਡੀਊਲ ਅਖੌਤੀ "ਡਿਫਾਲਟ ਮੋਡ ਨੈੱਟਵਰਕ" ਤੋਂ ਪ੍ਰੇਰਨਾ ਲੈਂਦਾ ਹੈ, ਇੱਕ ਦਿਮਾਗੀ ਨੈੱਟਵਰਕ ਜਿਸਦਾ ਅਧਿਐਨ ਮੈਮੋਰੀ ਪ੍ਰਾਪਤੀ, ਬਿਰਤਾਂਤਕ ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਦੇ ਨਿਰਮਾਣ, ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਕਲਪਨਾ ਵਿੱਚ ਇਸਦੀ ਸ਼ਮੂਲੀਅਤ ਲਈ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਹਵਾਲਾ ਇਹ ਨਹੀਂ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਨਕਲੀ ਮੋਡੀਊਲ ਮਨ ਦੇ ਜੈਵਿਕ ਵਿਧੀਆਂ ਨੂੰ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਸਗੋਂ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਸਿਖਲਾਈ ਦੌਰਾਨ ਪ੍ਰੇਰਿਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਗਈ ਕਾਰਜ ਦੀ ਕਿਸਮ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਲਈ ਕੰਮ ਕਰਦਾ ਹੈ।
ਇੱਕ ਸੰਘਣੇ ਟ੍ਰਾਂਸਫਾਰਮਰ ਮਾਡਲ ਦੀ ਤੁਲਨਾ ਵਿੱਚ, ਜਿਸ ਵਿੱਚ ਇੱਕੋ ਜਿਹੇ ਬਲਾਕ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਅੰਨ੍ਹੇਵਾਹ ਹਿੱਸਾ ਲੈਂਦੇ ਹਨ, MiCRo ਅੰਦਰੂਨੀ ਸੰਗਠਨ ਦਾ ਇੱਕ ਵਧੇਰੇ ਪੜ੍ਹਨਯੋਗ ਰੂਪ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਇੱਕ ਖਾਸ ਰਾਊਟਰ ਵੱਖ-ਵੱਖ ਪ੍ਰੋਸੈਸਿੰਗ ਪੜਾਵਾਂ 'ਤੇ ਇਹ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਮਾਹਰਾਂ ਨੂੰ ਟੋਕਨ ਨਿਰਧਾਰਤ ਕਰਨੇ ਹਨ, ਪ੍ਰਾਪਤ ਬੇਨਤੀ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਮੰਨੇ ਜਾਣ ਵਾਲੇ ਹਿੱਸਿਆਂ ਦੀ ਚੋਣ ਕਰਦੇ ਹੋਏ।
ਇਹ ਪਹੁੰਚ "ਮਿਕਸਚਰ ਆਫ਼ ਐਕਸਪਰਟਸ" ਆਰਕੀਟੈਕਚਰ ਨਾਲ ਕੁਝ ਸਮਾਨਤਾਵਾਂ ਸਾਂਝੀਆਂ ਕਰਦੀ ਹੈ, ਜੋ ਪਹਿਲਾਂ ਹੀ ਵੱਖ-ਵੱਖ ਮਾਡਿਊਲਾਂ ਵਿੱਚ ਗਣਨਾ ਵੰਡਣ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਹਾਲਾਂਕਿ, MiCRo ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਮਾਡਿਊਲਰਿਟੀ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਕੁਸ਼ਲਤਾ ਵਧਾਉਣ ਲਈ ਇੱਕ ਸਾਧਨ ਵਜੋਂ, ਸਗੋਂ ਪਛਾਣਨਯੋਗ ਕਾਰਜਸ਼ੀਲ ਮੁਹਾਰਤ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਨ ਅਤੇ ਅੰਤਿਮ ਹੱਲ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੇ ਯੋਗਦਾਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੇ ਸਾਧਨ ਵਜੋਂ ਵੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ।
ਵਧੇਰੇ "ਮਾਹਰ" ਮਾਡਿਊਲਾਂ ਦੀ ਅਗਵਾਈ ਕਰਨ ਲਈ ਤਿੰਨ ਸਿਖਲਾਈ ਪੜਾਅ
ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆ ਤਿੰਨ ਪੜਾਵਾਂ ਵਿੱਚ ਹੁੰਦੀ ਹੈ। ਸ਼ੁਰੂ ਵਿੱਚ, ਸਿਰਫ਼ ਮਾਹਿਰਾਂ ਨੂੰ ਇੱਕ ਚੁਣੇ ਹੋਏ ਡੇਟਾ ਸੈੱਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਹਰੇਕ ਮੋਡੀਊਲ ਨੂੰ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਕਾਰਜਸ਼ੀਲ ਸਥਿਤੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਇਸ ਤੋਂ ਬਾਅਦ, ਬਾਕੀ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਫ੍ਰੀਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਰਾਊਟਰ ਨੂੰ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਮਾਹਰ ਦੀ ਚੋਣ ਕਰਨਾ ਸਿੱਖਣ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਤੀਜੇ ਪੜਾਅ ਵਿੱਚ, ਪੂਰੇ ਸਿਸਟਮ ਨੂੰ ਨਿਰਦੇਸ਼ਾਂ ਦੇ ਇੱਕ ਵੱਡੇ ਸੈੱਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਾਂਝੇ ਤੌਰ 'ਤੇ ਸੁਧਾਰਿਆ ਜਾਂਦਾ ਹੈ।
ਇਸ ਪ੍ਰਕਿਰਿਆ ਦਾ ਉਦੇਸ਼ ਮਾਡਿਊਲ ਨਾਮਾਂ ਨੂੰ ਸਿਰਫ਼ ਲੇਬਲ ਬਣਨ ਤੋਂ ਰੋਕਣਾ ਹੈ। ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਸੱਚਮੁੱਚ ਅਰਥਪੂਰਨ ਬਣਾਉਣ ਲਈ, ਵੱਖ-ਵੱਖ ਬੇਨਤੀਆਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਹਿੱਸਿਆਂ ਨੂੰ ਇੱਛਤ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਅਨੁਕੂਲ ਢੰਗ ਨਾਲ ਸਰਗਰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
ਰੂਟਿੰਗ, ਐਬਲੇਸ਼ਨ ਅਤੇ ਬੈਂਚਮਾਰਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ।
ਖੋਜਕਰਤਾਵਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ MiCRo ਚਾਰ ਮਾਹਰਾਂ ਨੂੰ ਸੌਂਪੇ ਗਏ ਕਾਰਜਾਂ ਦੇ ਅਨੁਸਾਰ ਰੂਟਿੰਗ ਮਾਰਗ ਵਿਕਸਤ ਕਰਦਾ ਹੈ। ਅੰਕਗਣਿਤ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਤਰਕ ਮੋਡੀਊਲ ਨੂੰ ਸੰਬੋਧਿਤ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਜਦੋਂ ਕਿ ਲੋਕਾਂ ਵਿਚਕਾਰ ਇਰਾਦਿਆਂ ਅਤੇ ਸਬੰਧਾਂ ਨੂੰ ਸਮਝਣ ਨਾਲ ਸਬੰਧਤ ਕਾਰਜ ਸਮਾਜਿਕ ਮਾਹਰ ਨੂੰ ਵਧੇਰੇ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ।
ਦੂਜੇ ਪਾਸੇ, ਭਾਸ਼ਾਈ ਮੋਡੀਊਲ ਮਾਡਲ ਦੀਆਂ ਸ਼ੁਰੂਆਤੀ ਪਰਤਾਂ ਵਿੱਚ ਅਕਸਰ ਕਿਰਿਆਸ਼ੀਲ ਹੁੰਦਾ ਰਹਿੰਦਾ ਹੈ। ਇਹ ਵਿਵਹਾਰ ਭਾਸ਼ਾ ਦੀ ਟ੍ਰਾਂਸਵਰਸਲ ਪ੍ਰਕਿਰਤੀ ਦੇ ਅਨੁਕੂਲ ਹੈ, ਜੋ ਕਿ ਦੂਜੇ ਹਿੱਸਿਆਂ ਦੁਆਰਾ ਤਰਕਪੂਰਨ, ਸਮਾਜਿਕ, ਜਾਂ ਵਿਸ਼ਵ-ਗਿਆਨ ਪਹਿਲੂਆਂ 'ਤੇ ਦਖਲ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਬੇਨਤੀ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।
ਇਹ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਕਿ ਮਾਹਿਰਾਂ ਨੇ ਠੋਸ ਤੌਰ 'ਤੇ ਵੱਖੋ-ਵੱਖਰੀਆਂ ਭੂਮਿਕਾਵਾਂ ਹਾਸਲ ਕੀਤੀਆਂ ਸਨ, ਸਮੂਹ ਨੇ ਆਪਣੇ ਆਪ ਨੂੰ ਟੋਕਨਾਂ ਦੀ ਵੰਡ ਨੂੰ ਦੇਖਣ ਤੱਕ ਸੀਮਤ ਨਹੀਂ ਰੱਖਿਆ। ਇਸਨੇ ਦੇ ਟੈਸਟ ਵੀ ਕੀਤੇ ablazione, ਇੱਕ ਪ੍ਰਯੋਗਾਤਮਕ ਤਕਨੀਕ ਜਿਸ ਵਿੱਚ ਸਿਸਟਮ ਦੇ ਇੱਕ ਹਿੱਸੇ ਨੂੰ ਅਕਿਰਿਆਸ਼ੀਲ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਤਾਂ ਜੋ ਇਹ ਮਾਪਿਆ ਜਾ ਸਕੇ ਕਿ ਸਮੁੱਚੀ ਕਾਰਗੁਜ਼ਾਰੀ ਕਿਵੇਂ ਬਦਲਦੀ ਹੈ।
ਤਰਕ ਮਾਹਰ ਨੂੰ ਹਟਾਉਣ ਨਾਲ ਗਣਿਤ ਦੇ ਮਾਪਦੰਡਾਂ ਵਿੱਚ ਕਾਫ਼ੀ ਗਿਰਾਵਟ ਆਉਂਦੀ ਹੈ। MATH e GSM8K. ਸਮਾਜਿਕ ਮਾਡਿਊਲ ਨੂੰ ਛੱਡਣ ਨਾਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੰਖਿਆਤਮਕ ਟੈਸਟਾਂ ਵਿੱਚ ਛੋਟੇ ਸੁਧਾਰ ਹੋ ਸਕਦੇ ਹਨ, ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਅਜਿਹੇ ਹਿੱਸੇ ਦੇ ਯੋਗਦਾਨ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ ਜੋ ਹੱਥ ਵਿੱਚ ਕੰਮ ਲਈ ਅਪ੍ਰਸੰਗਿਕ ਹੈ।
ਹੋਰ ਵਿਭਿੰਨ ਟੈਸਟਾਂ ਲਈ, ਜਿਵੇਂ ਕਿ ਬੈਂਚਮਾਰਕਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਐਮਐਮਐਲਯੂ e ਬੀਬੀਐਚ, ਯੋਗਦਾਨਾਂ ਦੀ ਵੰਡ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਜਾਪਦੀ ਹੈ। ਕੁਝ ਉਪ-ਕਾਰਜ ਮੁੱਖ ਤੌਰ 'ਤੇ ਇੱਕ ਮਾਹਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਦੂਜਿਆਂ ਨੂੰ ਕਈ ਮਾਡਿਊਲਾਂ ਦੇ ਸਹਿਯੋਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਨਤੀਜਾ ਗੁੰਝਲਦਾਰ ਸਮੱਸਿਆਵਾਂ ਦੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਅਨੁਕੂਲ ਹੈ, ਜਿਸਨੂੰ ਸ਼ਾਇਦ ਹੀ ਕਿਸੇ ਇੱਕ ਬੋਧਾਤਮਕ ਯੋਗਤਾ ਵਿੱਚ ਵਾਪਸ ਲੱਭਿਆ ਜਾ ਸਕਦਾ ਹੈ।
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਮਾਡਲ 'ਤੇ ਨਿਊਰੋਸਾਇੰਸ ਤੋਂ ਪ੍ਰਾਪਤ ਕੁਝ ਪ੍ਰਯੋਗਾਤਮਕ ਸਾਧਨਾਂ ਨੂੰ ਵੀ ਲਾਗੂ ਕੀਤਾ। ਫੰਕਸ਼ਨਲ ਲੋਕੇਟਰ ਇਹਨਾਂ ਦੀ ਵਰਤੋਂ ਤਿੰਨ ਖੇਤਰਾਂ ਦੇ ਸਬੰਧ ਵਿੱਚ ਅੰਦਰੂਨੀ ਇਕਾਈਆਂ ਦੀ ਚੋਣਤਮਕਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਕੀਤੀ ਗਈ ਹੈ: ਭਾਸ਼ਾ, ਆਮ ਤਰਕ ਅਤੇ ਮਨ ਦਾ ਸਿਧਾਂਤ, ਯਾਨੀ ਕਿ ਦੂਜਿਆਂ ਦੇ ਵਿਚਾਰਾਂ ਅਤੇ ਇਰਾਦਿਆਂ ਨੂੰ ਦਰਸਾਉਣ ਦੀ ਯੋਗਤਾ।
ਇਹਨਾਂ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਨੇ ਸਾਨੂੰ ਮਾਹਿਰਾਂ ਅਤੇ ਵਰਗਾਂ ਵਿੱਚ ਵੰਡੀਆਂ ਗਈਆਂ ਕਾਰਜਸ਼ੀਲ ਤੌਰ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਇਕਾਈਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੱਤੀ। ਨਤੀਜੇ ਜੈਵਿਕ ਨਿਊਰੋਨਸ ਅਤੇ ਨਕਲੀ ਇਕਾਈਆਂ ਵਿਚਕਾਰ ਸਿੱਧੇ ਪੱਤਰ ਵਿਹਾਰ ਨੂੰ ਦਰਸਾਉਂਦੇ ਨਹੀਂ ਹਨ, ਪਰ ਇਹ ਇਹ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਇੱਕ ਵਾਧੂ ਸਾਧਨ ਪੇਸ਼ ਕਰਦੇ ਹਨ ਕਿ ਕੀ ਮਾਡਿਊਲਰ ਉਪ-ਵਿਭਾਗ ਅਸਲ ਵਿੱਚ ਵਿਭਿੰਨ ਵਿਵਹਾਰ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਸੰਸਕਰਣ ਮਾਈਕ੍ਰੋ-ਲਾਮਾ-1ਬੀ e ਮਾਈਕ੍ਰੋ-ਲਾਮਾ-3ਬੀ, ਕ੍ਰਮਵਾਰ ਇੱਕ ਅਤੇ ਤਿੰਨ ਅਰਬ ਪੈਰਾਮੀਟਰਾਂ ਵਾਲੇ ਮਾਡਲਾਂ ਦੇ ਆਧਾਰ 'ਤੇ, ਦੀ ਤੁਲਨਾ ਉਸੇ ਬੋਧਾਤਮਕ ਮੁਹਾਰਤ ਤੋਂ ਬਿਨਾਂ ਸੰਘਣੇ ਮਾਡਲਾਂ ਅਤੇ ਮਾਡਿਊਲਰ ਸੰਰਚਨਾਵਾਂ ਨਾਲ ਕੀਤੀ ਗਈ।
ਲੇਖਕਾਂ ਦੁਆਰਾ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਟੈਸਟਾਂ ਵਿੱਚ, MiCRo ਨੇ GSM8K, Minerva-Math, MMLU, ਅਤੇ BBH ਸਮੇਤ ਕਈ ਗਣਿਤ, ਆਮ ਗਿਆਨ, ਅਤੇ ਤਰਕ ਮਾਪਦੰਡਾਂ 'ਤੇ ਵਿਚਾਰੇ ਗਏ ਬੇਸਲਾਈਨਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਜਾਂ ਉਹਨਾਂ ਨੂੰ ਪਾਰ ਕਰ ਗਿਆ ਹੈ। ਨਤੀਜਿਆਂ ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਆਰਕੀਟੈਕਚਰ ਸਾਰੇ ਉਪਲਬਧ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੂੰ ਪਛਾੜਦਾ ਹੈ, ਪਰ ਉਹ ਇਹ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਮੁਹਾਰਤ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਲਈ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਕੁਰਬਾਨ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ।
ਸਿਸਟਮ ਦਾ ਮੁਲਾਂਕਣ ਵੀ ਇਸ ਨਾਲ ਕੀਤਾ ਗਿਆ ਹੈ ਕਾਗਬੈਂਚ, ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੇ ਵਿਵਹਾਰ ਦੀ ਤੁਲਨਾ ਮਨੁੱਖਾਂ 'ਤੇ ਕੀਤੇ ਗਏ ਕਲਾਸੀਕਲ ਮਨੋਵਿਗਿਆਨਕ ਟੈਸਟਾਂ ਤੋਂ ਉੱਭਰ ਰਹੇ ਪੈਟਰਨਾਂ ਨਾਲ ਕਰਨ ਵਾਲੇ ਪ੍ਰਯੋਗਾਂ ਦਾ ਇੱਕ ਸਮੂਹ। MiCRo ਰੂਪਾਂ ਨੇ ਆਪਣੇ ਸੰਬੰਧਿਤ ਸੰਘਣੇ ਸੰਸਕਰਣਾਂ ਅਤੇ ਤੁਲਨਾ ਵਜੋਂ ਵਰਤੇ ਗਏ ਹੋਰ ਮਾਡਿਊਲਰ ਸੰਰਚਨਾਵਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸਮਾਨਤਾ ਦਿਖਾਈ।
ਇਹ ਨਤੀਜਾ ਵੀ ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ ਕਿ ਨੈੱਟਵਰਕ ਕਿਸੇ ਵੀ ਜੀਵ-ਵਿਗਿਆਨਕ, ਚੇਤੰਨ, ਜਾਂ ਆਮ ਅਰਥਾਂ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਪਸੰਦ ਕਰਦਾ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਇਹ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਕਾਰਜਸ਼ੀਲ ਮੁਹਾਰਤ ਦੁਆਰਾ ਪ੍ਰੇਰਿਤ ਇੱਕ ਢਾਂਚਾ ਬੋਧਾਤਮਕ ਪ੍ਰਯੋਗਾਂ ਵਿੱਚ ਦੇਖੇ ਗਏ ਕੁਝ ਖਾਸ ਵਿਵਹਾਰਕ ਪੈਟਰਨਾਂ ਨੂੰ ਵਧੇਰੇ ਵਫ਼ਾਦਾਰੀ ਨਾਲ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।
ਬੋਧਾਤਮਕ ਟੈਸਟਾਂ ਤੋਂ ਲੈ ਕੇ ਨਵੇਂ ਮਾਡਲ ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪਾਰਦਰਸ਼ਤਾ ਤੱਕ
"ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਸਾਡੀ ਸਮਝ ਤੋਂ ਵੱਧ ਗਈਆਂ ਹਨ ਕਿ ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਜੇਕਰ ਅਸੀਂ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਸਮਝ ਸਕਦੇ ਹਾਂ ਕਿ ਇਹ ਮਸ਼ੀਨਾਂ ਜਾਣਕਾਰੀ ਨੂੰ ਕਿਵੇਂ ਸਮਝਦੀਆਂ ਹਨ, ਤਾਂ ਅਸੀਂ ਬਿਹਤਰ ਪ੍ਰਣਾਲੀਆਂ ਡਿਜ਼ਾਈਨ ਕਰ ਸਕਦੇ ਹਾਂ ਅਤੇ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਨਿਯਮ ਵਿਕਸਤ ਕਰ ਸਕਦੇ ਹਾਂ।"
ਦੂਜਾ ਐਂਟੋਇਨ ਬੋਸੇਲੁਟਦੇ ਡਾਇਰੈਕਟਰ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਪ੍ਰਯੋਗਸ਼ਾਲਾ EPFL ਦਾ।
ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੇ ਵਿਕਾਸ ਦਾ ਆਮ ਤੌਰ 'ਤੇ ਹਵਾਲਾ ਦਿੰਦੇ ਹੋਏ, ਇਹ ਪ੍ਰਤੀਬਿੰਬ MiCRo ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤੇ ਗਏ ਟੀਚੇ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵੀ ਸੰਖੇਪ ਕਰਦਾ ਹੈ। EPFL ਵਿਖੇ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਆਰਕੀਟੈਕਚਰ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰਦਾ, ਸਗੋਂ ਇਹ ਹੋਰ ਦੇਖਣਯੋਗ ਬਣਾਉਣ ਲਈ ਹੈ ਕਿ ਵੱਖ-ਵੱਖ ਵਿਸ਼ੇਸ਼ ਹਿੱਸੇ ਪ੍ਰਤੀਕਿਰਿਆ ਦੇ ਨਿਰਮਾਣ ਵਿੱਚ ਕਿਵੇਂ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਨ, ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਮਾਡਲਾਂ ਦੇ ਵਿਵਹਾਰ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਵਾਧੂ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।
ਹੁਣ ਕੰਪਿਊਟੇਸ਼ਨਲ ਮਾਰਗ 'ਤੇ ਵਧੇਰੇ ਸਿੱਧਾ ਨਿਯੰਤਰਣ
MiCRo ਦੀ ਮਾਡਿਊਲਰਿਟੀ ਤੁਹਾਨੂੰ ਨਾ ਸਿਰਫ਼ ਇਹ ਦੇਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ ਕਿ ਪ੍ਰੋਸੈਸਿੰਗ ਦੌਰਾਨ ਕਿਹੜੇ ਹਿੱਸੇ ਸ਼ਾਮਲ ਹਨ। ਇਹ ਆਰਕੀਟੈਕਚਰ ਤੁਹਾਨੂੰ ਅਨੁਮਾਨ ਦੌਰਾਨ ਮਾਡਲ ਦੇ ਵਿਵਹਾਰ ਨੂੰ ਸੋਧਣ, ਖਾਸ ਮਾਹਰਾਂ ਨੂੰ ਟੋਕਨ ਨਿਰਦੇਸ਼ਿਤ ਕਰਨ ਜਾਂ ਉਹਨਾਂ ਨੂੰ ਵੱਧ ਭਾਰ ਦੇਣ ਦੀ ਵੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
ਉਦਾਹਰਨ ਲਈ, ਸਿਸਟਮ ਨੂੰ ਲਾਜ਼ੀਕਲ ਪ੍ਰੋਸੈਸਿੰਗ ਨਾਲੋਂ ਸਮਾਜਿਕ ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਲਈ, ਜਾਂ ਗਣਿਤਿਕ ਕਾਰਜ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਹਿੱਸੇ 'ਤੇ ਜ਼ੋਰ ਦੇਣ ਲਈ ਓਰੀਐਂਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਸੰਭਾਵਨਾ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਸ਼ਾਮਲ ਟੈਕਸਟ ਨਿਰਦੇਸ਼ਾਂ ਦੁਆਰਾ ਵਰਤੇ ਗਏ ਨਿਯੰਤਰਣ ਨਾਲੋਂ ਵਧੇਰੇ ਬਰੀਕ ਨਿਯੰਤਰਣ ਪੇਸ਼ ਕਰਦੀ ਹੈ।
ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਓਪਰੇਸ਼ਨ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਿਰਣਾਇਕ ਹੋ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਨਾ ਹੀ ਹਰ ਪ੍ਰਤੀਕਿਰਿਆ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਰੂਟਿੰਗ ਇੱਕ ਗੁੰਝਲਦਾਰ ਅਤੇ ਸੰਭਾਵੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦਾ ਹਿੱਸਾ ਬਣੀ ਹੋਈ ਹੈ। ਹਾਲਾਂਕਿ, ਮਾਹਿਰਾਂ ਦੀ ਚੋਣ ਨੂੰ ਦੇਖਣ ਅਤੇ ਸੋਧਣ ਦੀ ਯੋਗਤਾ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਕੰਪਿਊਟੇਸ਼ਨਲ ਮਾਰਗ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਦਖਲਅੰਦਾਜ਼ੀ ਦਾ ਇੱਕ ਵਾਧੂ ਪੱਧਰ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।
ਇਹ ਪਹਿਲੂ ਭਵਿੱਖ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਵਿਕਾਸ ਲਈ ਦਿਲਚਸਪ ਹੋ ਸਕਦਾ ਹੈ। ਇੱਕ ਵਿਦਿਅਕ ਸਹਾਇਕ ਤਰਕਸ਼ੀਲ ਤਰਕ ਅਤੇ ਭਾਸ਼ਾਈ ਸਪਸ਼ਟਤਾ 'ਤੇ ਵਧੇਰੇ ਜ਼ੋਰ ਦੇ ਸਕਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਮਨੁੱਖੀ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਇੱਕ ਸਿਸਟਮ ਸਮਾਜਿਕ ਮਾਡਿਊਲ 'ਤੇ ਵਧੇਰੇ ਜ਼ੋਰ ਦੇ ਸਕਦਾ ਹੈ।
ਹਾਲਾਂਕਿ, ਇਹ ਐਪਲੀਕੇਸ਼ਨ ਸੰਭਾਵਨਾਵਾਂ ਹਨ ਅਤੇ ਅਧਿਐਨ ਦੁਆਰਾ ਪਹਿਲਾਂ ਹੀ ਪ੍ਰਮਾਣਿਤ ਵਰਤੋਂ ਨਹੀਂ ਹਨ। EPFL ਦਾ ਕੰਮ ਪ੍ਰਮੁੱਖ ਵਪਾਰਕ ਮਾਡਲਾਂ ਦੇ ਮੁਕਾਬਲੇ ਮੁਕਾਬਲਤਨ ਛੋਟੇ ਆਕਾਰ ਦੇ ਇੱਕ ਪ੍ਰਯੋਗਾਤਮਕ ਆਰਕੀਟੈਕਚਰ ਨਾਲ ਸਬੰਧਤ ਹੈ ਅਤੇ ਸਿਹਤ ਸੰਭਾਲ, ਵਿੱਤ, ਨਿਆਂ, ਜਾਂ ਜਨਤਕ ਪ੍ਰਸ਼ਾਸਨ ਵਿੱਚ ਇਸਦੀ ਵਰਤੋਂ ਦਾ ਸਿੱਧਾ ਮੁਲਾਂਕਣ ਨਹੀਂ ਕਰਦਾ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, MiCRo ਆਪਣੇ ਆਪ ਹੀ ਵਿਆਖਿਆਯੋਗਤਾ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਨਹੀਂ ਕਰਦਾ। ਇਹ ਜਾਣਨਾ ਕਿ ਇੱਕ ਟੋਕਨ ਲਾਜ਼ੀਕਲ ਜਾਂ ਸਮਾਜਿਕ ਮਾਹਰ ਨੂੰ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਕਿਸੇ ਦਿੱਤੇ ਗਏ ਵਾਕ ਦੇ ਪਿੱਛੇ ਕਾਰਨਾਂ ਦੀ ਪੂਰੀ ਵਿਆਖਿਆ ਹੋਣ ਦੇ ਬਰਾਬਰ ਨਹੀਂ ਹੈ। ਨਾ ਹੀ ਇਹ ਢਾਂਚਾ ਭਰਮ, ਡੇਟਾ ਵਿਗਾੜ, ਨਕਲੀ ਸਬੰਧਾਂ, ਜਾਂ ਹੋਰ ਅਚਾਨਕ ਵਿਵਹਾਰਾਂ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ।
ਇਸ ਦੀ ਬਜਾਏ, ਆਰਕੀਟੈਕਚਰ ਨਿਰੀਖਣ ਦਾ ਇੱਕ ਵਿਚਕਾਰਲਾ ਪੱਧਰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਅਰਬਾਂ ਪੈਰਾਮੀਟਰਾਂ ਵਿੱਚ ਜਾਣਕਾਰੀ ਦੀ ਇੱਕ ਧੁੰਦਲੀ ਵੰਡ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਬਜਾਏ, ਡਿਵੈਲਪਰ ਵਿਅਕਤੀਗਤ ਮਾਹਰਾਂ ਦੇ ਵਿਵਹਾਰ, ਰਾਊਟਰ ਫੈਸਲਿਆਂ ਅਤੇ ਇੱਕ ਹਿੱਸੇ ਨੂੰ ਅਕਿਰਿਆਸ਼ੀਲ ਕਰਨ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹਨ।
ਜੇਕਰ ਕੋਈ ਮਾਡਲ ਗਣਿਤਿਕ ਕੰਮਾਂ ਵਿੱਚ ਆਵਰਤੀ ਮੁਸ਼ਕਲਾਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਤਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਤਰਕ ਮੋਡੀਊਲ, ਰਾਊਟਰ, ਜਾਂ ਇਸਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਨ ਲਈ ਵਰਤੇ ਗਏ ਡੇਟਾ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਕਰਨਾ ਸੰਭਵ ਹੋ ਸਕਦਾ ਹੈ। ਮੋਨੋਲਿਥਿਕ ਮਾਡਲਾਂ ਵਿੱਚ, ਗਲਤੀ ਦੇ ਸਰੋਤ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਵਿਆਪਕ ਅਤੇ ਘੱਟ ਨਿਰਣਾਇਕ ਜਾਂਚਾਂ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ।
ਵਿਆਖਿਆਯੋਗਤਾ, ਯੂਰਪੀ ਨਿਯਮ, ਅਤੇ AI ਦੀਆਂ ਅਗਲੀਆਂ ਚੁਣੌਤੀਆਂ
ਦੀ ਖੋਜ ਲੁਸਾਨੇ ਦੀ ਸੰਘੀ ਪੌਲੀਟੈਕਨਿਕ ਇਹ ਭਾਸ਼ਾ ਮਾਡਲ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਇੱਕ ਹੋਰ ਆਮ ਤਬਦੀਲੀ ਦਾ ਹਿੱਸਾ ਹੈ। ਮੁੱਖ ਤੌਰ 'ਤੇ ਵਧਦੇ ਪੈਰਾਮੀਟਰਾਂ, ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ, ਅਤੇ ਡੇਟਾਸੈਟ ਆਕਾਰ ਦੇ ਪ੍ਰਭਾਵ ਹੇਠ ਇੱਕ ਪੜਾਅ ਤੋਂ ਬਾਅਦ, ਬਹੁਤ ਸਾਰੇ ਸਮੂਹ ਮਾਡਿਊਲਰਿਟੀ, ਕੁਸ਼ਲਤਾ, ਨਿਯੰਤਰਣਯੋਗਤਾ ਅਤੇ ਵਿਆਖਿਆਯੋਗਤਾ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਰਣਨੀਤੀਆਂ ਦੀ ਪੜਚੋਲ ਕਰ ਰਹੇ ਹਨ।
ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਗਿਣਤੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਚਾਰ ਬਣੀ ਹੋਈ ਹੈ, ਪਰ ਇਹ ਜ਼ਰੂਰੀ ਨਹੀਂ ਕਿ ਇਹ AI ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਹੋਵੇ। MiCRo 'ਤੇ ਕੰਮ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਮਾਡਲ ਦੇ ਅੰਦਰੂਨੀ ਸੰਗਠਨ ਅਤੇ ਸਿਖਲਾਈ ਦੌਰਾਨ ਖਾਸ ਪਾਬੰਦੀਆਂ ਦੀ ਸ਼ੁਰੂਆਤ ਵੀ ਮਾਪਣਯੋਗ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੀ ਹੈ।
ਯੂਰਪੀਅਨ ਰੈਗੂਲੇਟਰੀ ਢਾਂਚੇ ਵਿੱਚ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਵਹਾਰ ਦਾ ਬਿਹਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਵੀ ਦਿਲਚਸਪ ਬਣ ਜਾਂਦੀ ਹੈ।ਏਆਈ ਐਕਟ ਇਹ 1 ਅਗਸਤ 2024 ਨੂੰ ਲਾਗੂ ਹੋਇਆ, ਜਦੋਂ ਕਿ ਸ਼ਾਸਨ ਅਤੇ ਆਮ ਉਦੇਸ਼ ਵਾਲੇ AI ਮਾਡਲਾਂ ਸੰਬੰਧੀ ਜ਼ਿੰਮੇਵਾਰੀਆਂ 2 ਅਗਸਤ 2025 ਨੂੰ ਲਾਗੂ ਹੋ ਗਈਆਂ। ਨਿਯਮ ਵਿੱਚ, ਹੋਰ ਪਹਿਲੂਆਂ ਦੇ ਨਾਲ, ਤਕਨੀਕੀ ਦਸਤਾਵੇਜ਼ੀਕਰਨ, ਪਾਰਦਰਸ਼ਤਾ, ਜਾਣਕਾਰੀ ਸਾਂਝੀ ਕਰਨ ਅਤੇ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਨਾਲ ਸਬੰਧਤ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਸ਼ਾਮਲ ਹਨ।
MiCRo ਨੂੰ AI ਐਕਟ ਦੀ ਪਾਲਣਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਇਸਦਾ ਮਾਡਿਊਲਰ ਢਾਂਚਾ ਹੀ ਰੈਗੂਲੇਟਰੀ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਨਾਕਾਫ਼ੀ ਹੈ। ਹਾਲਾਂਕਿ, ਆਰਕੀਟੈਕਚਰ ਜੋ ਅੰਦਰੂਨੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਵਧੇਰੇ ਦੇਖਣਯੋਗ ਬਣਾਉਂਦੇ ਹਨ, ਅੰਤ ਵਿੱਚ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਪੇਸ਼ੇਵਰ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣ, ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਆਡਿਟਿੰਗ ਗਤੀਵਿਧੀਆਂ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾ ਸਕਦੇ ਹਨ।
ਬਹੁਤ ਸਾਰੇ ਸਵਾਲ ਅਜੇ ਵੀ ਖੁੱਲ੍ਹੇ ਹਨ। ਇਹ ਤਸਦੀਕ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੋਵੇਗਾ ਕਿ ਕੀ ਇੱਕ- ਅਤੇ ਤਿੰਨ-ਅਰਬ-ਪੈਰਾਮੀਟਰ ਮਾਡਲਾਂ ਵਿੱਚ ਦੇਖੀ ਗਈ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਬਹੁਤ ਵੱਡੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਬਣਾਈ ਰੱਖਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਵਧੇਰੇ ਵਿਭਿੰਨ ਡੇਟਾਸੈਟਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਅਸਲ-ਸੰਸਾਰ ਸੰਦਰਭਾਂ ਤੋਂ ਅਸਪਸ਼ਟ ਬੇਨਤੀਆਂ ਦੇ ਅਧੀਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਦਸਾਂ ਜਾਂ ਸੈਂਕੜੇ ਅਰਬਾਂ ਪੈਰਾਮੀਟਰਾਂ ਤੱਕ ਸਕੇਲਿੰਗ ਕਰਨ ਨਾਲ ਮਾਹਿਰਾਂ ਵਿਚਕਾਰ ਸਪਸ਼ਟ ਕਾਰਜਸ਼ੀਲ ਸੀਮਾਵਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣਾ ਹੋਰ ਵੀ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ। ਸਿਖਲਾਈ ਦੀਆਂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਾਗਤਾਂ, ਰੂਟਿੰਗ ਦੀ ਸਥਿਰਤਾ, ਮਾਡਿਊਲਾਂ ਦੇ ਹੌਲੀ-ਹੌਲੀ ਆਪਣੀ ਮੁਹਾਰਤ ਗੁਆਉਣ ਦੀ ਸੰਭਾਵਨਾ, ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਗੁਣਵੱਤਾ ਵਿਚਕਾਰ ਕਿਸੇ ਵੀ ਵਪਾਰ-ਬੰਦ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਵੀ ਜ਼ਰੂਰੀ ਹੋਵੇਗਾ।
ਇਸ ਲਈ ਇਹ ਪ੍ਰੋਜੈਕਟ ਭਾਸ਼ਾਈ ਮਾਡਲਾਂ ਦੀ ਅਪਾਰਦਰਸ਼ੀ ਪ੍ਰਕਿਰਤੀ ਦਾ ਇੱਕ ਨਿਸ਼ਚਿਤ ਹੱਲ ਨਹੀਂ ਦਰਸਾਉਂਦਾ। ਹਾਲਾਂਕਿ, ਇਹ ਸਧਾਰਨ ਅਯਾਮੀ ਵਿਕਾਸ ਤੋਂ ਪਰੇ ਇੱਕ ਸੰਭਾਵੀ ਵਿਕਲਪਿਕ ਦਿਸ਼ਾ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ: ਸਿਸਟਮ ਬਣਾਉਣਾ ਜਿਸ ਵਿੱਚ ਸਮਰੱਥਾਵਾਂ ਨਾ ਸਿਰਫ਼ ਮਾਪਦੰਡਾਂ ਦੀ ਮਾਤਰਾ ਤੋਂ, ਸਗੋਂ ਪਛਾਣਨਯੋਗ ਫੰਕਸ਼ਨਾਂ ਦੇ ਅਨੁਸਾਰ ਸੰਗਠਿਤ ਇੱਕ ਅੰਦਰੂਨੀ ਢਾਂਚੇ ਤੋਂ ਵੀ ਉਭਰਦੀਆਂ ਹਨ।
ਇੱਕ ਅਜਿਹੇ ਉਦਯੋਗ ਵਿੱਚ ਜਿੱਥੇ ਪ੍ਰਦਰਸ਼ਨ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਿਹਾ ਹੈ, ਪਰ ਉਪਭੋਗਤਾ ਵਿਸ਼ਵਾਸ ਅਤੇ ਤਸਦੀਕਯੋਗਤਾ ਖੁੱਲ੍ਹੇ ਮੁੱਦੇ ਬਣੇ ਹੋਏ ਹਨ, ਇਹ ਸਮਝਣਾ ਕਿ ਕਿਸ ਹਿੱਸੇ ਨੇ ਪ੍ਰਤੀਕਿਰਿਆ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਇਆ, ਲਗਭਗ ਓਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦਾ ਹੈ ਜਿੰਨਾ ਕਿ ਪ੍ਰਤੀਕਿਰਿਆ ਖੁਦ। ਆਉਣ ਵਾਲੀਆਂ ਪੀੜ੍ਹੀਆਂ ਲਈ ਚੁਣੌਤੀ ਡੂੰਘੀ ਸਿੱਖਿਆ ਇਸ ਲਈ ਇਹ ਨਾ ਸਿਰਫ਼ ਬਿਹਤਰ ਨਤੀਜੇ ਪੈਦਾ ਕਰੇਗਾ, ਸਗੋਂ ਉਹਨਾਂ ਨਤੀਜਿਆਂ ਨੂੰ ਬਣਾਉਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਵੀ ਸਪੱਸ਼ਟ ਕਰੇਗਾ, ਜਿਸ ਨਾਲ ricerca ਅਤੇ sviluppo ਵਧੇਰੇ ਵਿਸ਼ਲੇਸ਼ਣਯੋਗ ਅਤੇ ਨਿਯੰਤਰਣਯੋਗ ਪ੍ਰਣਾਲੀਆਂ ਬਣਾਉਣ ਲਈ ਇੱਕ ਸਾਧਨ ਵਿੱਚ।
ਇੱਥੇ ਤਿੰਨ ਸੂਝਾਂ ਹਨ ਜੋ ਤੁਹਾਡੀ ਦਿਲਚਸਪੀ ਰੱਖ ਸਕਦੀਆਂ ਹਨ:
EPFL ਤੋਂ ਵਧੇਰੇ ਲਚਕਦਾਰ AI ਲਈ ਇੱਕ ਨਵਾਂ ਮਲਟੀਮੋਡਲ ਮਾਡਲ
ਦਿਮਾਗ ਤਰਕ ਅਤੇ ਭਾਸ਼ਾ ਨੂੰ ਵੱਖ ਕਰਦਾ ਹੈ: ਸਬੂਤ MIT ਤੋਂ ਆਉਂਦੇ ਹਨ
ਐਪਰਟਸ ਇੱਕ ਵਧੇਰੇ ਪਾਰਦਰਸ਼ੀ ਭਵਿੱਖ ਲਈ ਸਵਿਸ "ਓਪਨ ਏਆਈ" ਹੈ।
