ടാസ്ക്കുകൾ ചെയ്യാൻ രൂപകൽപ്പന ചെയ്തിരിക്കുന്ന മൈക്രോസോഫ്റ്റിന്റെ പുതിയ എഐ മോഡലാണ് LAM.ഈ മോഡലുകൾ പ്രതികരിക്കുക മാത്രമല്ല നിർദ്ദേശങ്ങൾക്കനുസൃതമായി പ്രവർത്തിക്കുകയും ചെയ്യുന്നതിനാൽ, സാങ്കേതികവിദ്യയിലെ സുപ്രധാന ചുവടുവെപ്പായി LAM കളെ കാണപ്പെടുന്നു.microsoft
നമ്മൾ നിരീക്ഷിക്കുന്നത് പോലെ, ലാർജ് ലാഗ്വേജ് മോഡലുകൾ (LLMs) ചാറ്റ്ബോട്ടുകൾ, ടെക്സ്റ്റ് ജനറേഷൻ, കൂടാതെ കോഡ് റൈറ്റിംഗ് എന്നിവ പ്രവർത്തനക്ഷമമാക്കുന്നതിനാൽ AI-യുടെ ദ്രുതഗതിയിലുള്ള പുരോഗതിയാണ് വ്യക്തമാകുന്നത്. എൽഎൽഎമ്മുകൾ ടെക്സ്റ്റ് മനസ്സിലാക്കുന്നതിലും സൃഷ്ടിക്കുന്നതിലും മികച്ചതാണെങ്കിലും, ദൈനംദിനപ്രവൃത്തികളിൽ കഴിവ് പ്രകടിപ്പിക്കാൻ ബുദ്ധിമുട്ടുകയാണ്. മൈക്രോസോഫ്റ്റിലെ ഗവേഷകർ സൃഷ്ടിച്ച ലാർജ് ആക്ഷൻ മോഡലിന് (LAM) വിൻഡോസ് പ്രോഗ്രാമുകൾ സ്വന്തമായി പ്രവർത്തിപ്പിക്കാൻ കഴിയും.
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ പുരോഗതിയെ പ്രതിനിധീകരിക്കുന്നതാണ് ലാർജ് ആക്ഷൻ മോഡലുകൾ. നൽകുന്ന നിർദ്ദേശങ്ങളെ അടിസ്ഥാനമാക്കി സങ്കീർണ്ണമായ ജോലികൾ നിർവഹിക്കാൻ AI സിസ്റ്റങ്ങളെ പുതിയ മോഡൽ പ്രാപ്തമാക്കുന്നു. ലാർജ് ലാഗ്വേജ് മോഡൽ മനസിലാക്കുകയും പ്രതികരിക്കുകയും മാത്രമല്ല, ടാസ്ക്കുകൾ പൂർത്തിയാക്കാനും തീരുമാനങ്ങളെടുക്കാനും LAM ന് കഴിയും.
എന്താണ് LAM മോഡലുകൾ ?
പരമ്പരാഗത AI മോഡലുകൾ പ്രധാനമായും ടെക്സ്റ്റ് പ്രോസസ്സ് ചെയ്യുകയും സൃഷ്ടിക്കുകയുമാണ് ചെയ്യുന്നത്. എന്നാൽ LAM-കൾ കാര്യങ്ങൾ കൂടുതൽ എളുപ്പവും മികച്ചതുമായി മാറ്റുന്നു. ഉപയോക്താക്കളുടെ അഭ്യർത്ഥനകളെ മാറ്റാൻ അവയ്ക്ക് കഴിയും. ഈ പ്രവർത്തനങ്ങൾ ഓപ്പറേറ്റിംഗ് സോഫ്റ്റ്വെയർ മുതൽ റോബോട്ടുകളെ നിയന്ത്രിക്കുന്നത് വരെയാകാം. ഈ ആശയം പുതിയതല്ല എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്; മൈക്രോസോഫ്റ്റ് ഓഫീസ് ഉൽപ്പന്നങ്ങളുമായി പ്രവർത്തിക്കാൻ പ്രത്യേകം പരിശീലനം ലഭിച്ച ആദ്യ മോഡൽ മാത്രമാണ് LAM. ഉപയോക്താവില്ലാതെ മൊബൈൽ ആപ്ലിക്കേഷനുകളുമായി സംവദിക്കാൻ കഴിയുന്ന റാബിറ്റിൻ്റെ AI രംഗത്ത് വന്നപ്പോൾ 2024-ൻ്റെ ആദ്യ പകുതിയിൽ LAM-കൾക്കും പ്രാധാന്യം ലഭിച്ചു.
LAM മോഡലുകൾക്ക് ടെക്സ്റ്റ്, വോയ്സ്,ചിത്രങ്ങൾ പോലുള്ള ഇൻപുട്ടുകൾ മനസ്സിലാക്കാൻ കഴിയും, കൂടാതെ അവർക്ക് ഈ അഭ്യർത്ഥനകളെ പ്ലാനുകളാക്കി മാറ്റാനും കഴിയും. തത്സമയം അവരുടെ സമീപനം ക്രമീകരിക്കാനും അവർക്ക് സാധ്യമാണ്. ലളിതമായി പറഞ്ഞാൽ, മനസിലാക്കാൻ മാത്രമല്ല പ്രവർത്തിക്കാനും രൂപകൽപ്പന ചെയ്തിട്ടുള്ള AI-കളാണ് LAM-കൾ.
ലാർജ് ആക്ഷൻ മോഡലുകൾ എന്ന ഗവേഷണ പ്രബന്ധത്തെ അടിസ്ഥാനമാക്കി: ആരംഭം മുതൽ നടപ്പാക്കൽ വരെ, ഈ മോഡലുകൾ ഡിജിറ്റൽ, അല്ലാതെയും സംവദിക്കാൻ കഴിവുള്ളതാണ്. ഉദാഹരണത്തിന് പവർപോയിൻ്റ് പ്രസന്റേഷൻ എങ്ങനെ സൃഷ്ടിക്കാമെന്ന് AI-യോട് ചോദിക്കുന്നതിനുപകരം, ആപ്പ് തുറക്കാനും സ്ലൈഡുകൾ സൃഷ്ടിക്കാനും മുൻഗണനകൾക്കനുസരിച്ച് ഫോർമാറ്റ് ചെയ്യാനും AI-യോട് ആവശ്യപ്പെടാം. അതായത് ഉപയോക്താവിന്റെ കമാൻഡുകൾ കൃത്യമായി വ്യാഖ്യാനിക്കുകയും ചെയ്യുന്നു. ആക്ഷൻ ജനറേഷൻ എന്നാൽപ്രവർത്തനക്ഷമമായ ഘട്ടങ്ങൾ ആസൂത്രണം ചെയ്യാനുള്ള കഴിവാണ്. ഫീഡ്ബാക്കിനെ അടിസ്ഥാനമാക്കി അവർക്ക് ടാസ്കുകളെ ക്രമീകരിക്കാൻ കഴിയുന്നതിനാൽ ഡൈനാമിക് അഡാപ്റ്റേഷനും ഉണ്ടാകും.
എങ്ങനെയാണ് LAM-കൾ നിർമ്മിക്കുന്നത്?
എൽഎൽഎമ്മുകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ, അഞ്ച് ഘട്ടങ്ങൾ ഉൾപ്പെടുന്നതിനാൽ ലാമിൻ്റെ സൃഷ്ടി സങ്കീർണ്ണമാണ്. ഏതൊരു AI-യുടെയും അടിസ്ഥാനം ഡാറ്റയാണ്, കൂടാതെ LAM-കൾക്ക് രണ്ട് തരം ഡാറ്റ ആവശ്യമാണ്: ടാസ്ക്-പ്ലാൻ ഡാറ്റ, ഒരു വേഡ് ഡോക് തുറക്കുന്നതും ടെക്സ്റ്റ് ഹൈലൈറ്റ് ചെയ്യുന്നതും പോലുള്ള ടാസ്ക്കുകൾക്കുള്ള ഉയർന്ന തലത്തിലുള്ള ഘട്ടങ്ങളാണ്. രണ്ടാമത്തെ തരം ടാസ്ക്-ആക്ഷൻ ഡാറ്റയാണ്. പരിശീലനത്തിൻ്റെ കാര്യത്തിൽ, ഈ മോഡലുകൾ സൂപ്പർവൈസ്ഡ് ഫൈൻ-ട്യൂണിംഗ്, റൈൻഫോഴ്സ്മെൻ്റ് ലേണിംഗ്, ഇമിറ്റേഷൻ ലേണിംഗ് എന്നിങ്ങനെയുള്ള പ്രവർത്തനങ്ങൾക്ക് വിധേയമാകുന്നുണ്ട്.
ടെക്സ്റ്റ് ജനറേഷൻ മുതൽ ആക്ഷൻ-ഡ്രൈവ് AI ഏജൻ്റുകൾ വരെ LAM-കൾ വലിയ നേട്ടമാണ് കാഴ്ച വെയ്ക്കുന്നത്. വർക്ക്ഫ്ലോകൾ ഓട്ടോമേറ്റ് ചെയ്യുന്നതിനോടൊപ്പം ദൈനംദിന ജീവിതത്തിൽ കൂടി ഉപയോഗപ്രദമാകുന്ന ഈ AI.ഭാവിയിൽ സാങ്കേതികവിദ്യ വികസിക്കുമ്പോൾ, LAM എല്ലാ മേഖലകൾക്കും ഒരു സാധാരണ AI സിസ്റ്റമായി മാറിയേക്കാം.microsoft
content summary; Microsoft’s LAM AI: Answers questions and does tasks by itself