सॉफ़्टवेयर विकास, AI उपकरण, स्थानीय बोलियाँ और पढ़ना।
1–5 / 5 लेख
AI और उपकरण
बाज़ार में प्रचलित चीनी और विदेशी AI मॉडलों की मदद से मैंने शेयर का लाभ गणना करवाया। चीनी मॉडलों में 深度求索DeepSeek、अलीबाबा का 通义千问 、讯飞星火、बाइटडांस का 豆包、मूनशॉट का Kimi、टेनसेंट का 元宝、बाइदू का 文心一言、智谱清言、百川智能、360智脑、天工AI、सेंसटाइम का 商量 शामिल थे, और विदेशी मॉडलों में GPT-4o、Claude-3-Opus 、 Gemini-2.0-Pro、Grok थे। एक ही इनपुट पर केवल DeepSeek ने सही गणना की।
AI और उपकरण
मॉडल डिस्टिलेशन और प्रूनिंग न्यूरल नेटवर्क को संपीड़ित करने की दो महत्वपूर्ण तकनीकें हैं। वे पैरामीटरों की संख्या और गणना की जटिलता घटाकर मॉडल की कार्यकुशलता तथा प्रदर्शन सुधार सकती हैं। दोनों तकनीकों के तरीके और उद्देश्य थोड़े अलग हैं। डिस्टिलेशन शिक्षक मॉडल के पूर्वानुमान व्यवहार से छात्र मॉडल को प्रशिक्षित करने पर केंद्रित है, जबकि प्रूनिंग अनुपयोगी पैरामीटर और कनेक्शन हटाकर मॉडल को छोटा करती है।
AI और उपकरण
2024 के रसायन विज्ञान के नोबेल पुरस्कार का आधा हिस्सा डेविड बेकर（David Baker）को，“कंप्यूटेशनल प्रोटीन डिज़ाइन में योगदान के लिए” दिया गया；दूसरा आधा हिस्सा डेमिस हसाबिस（Demis Hassabis）और जॉन एम. जम्पर（John M. Jumper）को संयुक्त रूप से，“प्रोटीन संरचना की भविष्यवाणी में उनकी उपलब्धियों के लिए” दिया गया।
AI और उपकरण
वेक्टर डेटाबेस गणितीय रूप में संग्रहीत डेटा का संग्रह होता है। वेक्टर डेटाबेस मशीन लर्निंग मॉडल के लिए पहले के इनपुट याद रखना आसान बनाता है, जिससे मशीन लर्निंग का उपयोग खोज, अनुशंसा और पाठ निर्माण जैसे कामों में किया जा सकता है। डेटा की पहचान सटीक मिलान के बजाय समानता के मापदंडों के आधार पर की जा सकती है, जिससे कंप्यूटर मॉडल डेटा का संदर्भ समझ सकते हैं।
AI और उपकरण
AI सवालों के जवाब दे सकता है, लेकिन क्या वह सचमुच “सोच” सकता है？ अक्सर AI खोज उत्पादों का उपयोग करने वाले उपयोगकर्ताओं को पता होगा कि जटिल सवालों का सामना करते समय ये उत्पाद अक्सर “साथ छोड़ देते हैं”——वे शेक्सपियर की लेखन शैली की नकल कर सकते हैं, गणित के सवाल हल कर सकते हैं, लेकिन रोज़मर्रा की ज़िंदगी की मुश्किलें सुलझाते समय असहाय हो सकते हैं। यह किसी ऐसे विद्वान किताबी कीड़े जैसा है जिसे बहुत कुछ मालूम है, लेकिन परिस्थितियों के अनुसार ढलना नहीं आता, ज्ञान भरपूर है पर सोच में लचीलापन नहीं। स्पष्ट है कि AI खोज को केवल “बोलने वाला खोज इंजन” बना देना काफ़ी नहीं है। तो अधिक बुद्धिमान, अधिक मज़बूत तर्क क्षमता वाले और गहराई से सोचने वाले बड़े मॉडल से आम उपयोगकर्ताओं की वास्तविक समस्याएँ कैसे हल कराई जाएँ, केवल ओलंपियाड के सवाल ही नहीं？
