तुमचा चॅटबॉट फक्त पुढचा शब्द अंदाजतो आहे. मग तो इतका चांगला का आहे?

एका आधुनिक चॅटबॉटला क्वांटम मेकॅनिक्स समजावून सांगायला सांगा, तो सांगेल. त्याला विचारा “strawberry” या शब्दात “r” हे अक्षर किती वेळा येते, आणि तो आत्मविश्वासाने तुम्हाला सांगू शकतो दोन वेळा.

ती दरी (एकाच श्वासात प्रतिभा आणि चूक) असा काही दोष नाही जो तुम्ही दुरुस्त करू शकता. ही यंत्रणा प्रत्यक्षात कशी काम करते यातूनच ती थेट निर्माण होते. आणि हे गुपित जवळजवळ अपमानास्पद इतके साधे आहे.

हा ऑटोकम्प्लीट आहे. अत्यंत उत्तम ऑटोकम्प्लीट.

एक मोठे भाषा मॉडेल नेमके एकच काम करते: काही मजकूर दिला असता, तो मजकुराच्या पुढच्या भागाचा अंदाज बांधतो. मग तो भाग जोडतो, नवीन एकूण मजकूर पाहतो, आणि पुढच्याचा अंदाज बांधतो. आणि पुन्हा. आणि पुन्हा, शेकडो वेळा, जोपर्यंत त्याने तुमच्यासाठी एक निबंध लिहून पूर्ण केला नाही.

एवढेच. ही सगळी युक्ती आहे. तुमच्या फोनचा कीबोर्ड पुढचा शब्द सुचवताना याची एक ओबडधोबड आवृत्ती करतो. चॅटजीपीटी हीच कल्पना जवळजवळ अकल्पनीयरीत्या मोठ्या प्रमाणावर वापरते, इंटरनेटचा एक प्रचंड भाग, पुस्तके आणि कोड यावर प्रशिक्षित, जोपर्यंत त्याचे अंदाज विलक्षण चांगले होत नाहीत.

मॉडेल स्वतः वस्तुस्थितींचा एखादा डेटाबेस तपासत नाही. तो एका प्रश्नाचे उत्तर देण्यासाठी अब्जावधी गणिते चालवत असतो, पुन्हा पुन्हा: आतापर्यंतचे सगळे लक्षात घेता, पुढे सर्वाधिक विश्वासार्हपणे कोणता शब्द येतो?

एक महत्त्वाचा इशारा, कारण तो तुमची अपेक्षा बदलतो. मॉडेल हे इंजिन आहे, संपूर्ण गाडी नाही. या मॉडेल्सभोवती बांधलेली उत्पादने आता खरोखर गोष्टी शोधून पाहतात: चॅटजीपीटी किंवा क्लॉडला काही अलीकडचे विचारा, आणि तो अनेकदा वेब शोधून तुम्हाला स्रोत देईल. ते शोधकार्य अंदाज बांधणाऱ्या इंजिनाभोवती जोडलेले आहे, त्याची जागा घेत नाही, आणि हेच एकमेव सर्वात मोठे कारण आहे की आधुनिक सहाय्यक आधीपेक्षा जास्त वेळा वस्तुस्थिती बरोबर सांगतात. आतून, इंजिन अजूनही अंदाजच बांधत आहे.

शब्दांचा अंदाज बांधणे आभासी प्रतिभा का निर्माण करते

जो पेच हे शक्य करतो तो असा: संपूर्ण मानवी लेखनात पुढचा शब्द खरोखर चांगल्या प्रकारे अंदाजण्यासाठी, एका यंत्रणेला त्या लेखनाखाली दडलेले नमुने आत्मसात करावेच लागतात. याचा अर्थ व्याकरण, कोणती वस्तुस्थिती एकत्र येत असते, एका युक्तिवादाचा आकार, एका विनोदाची लय.

हे शक्य करणारा शोध होता २०१७ सालची एक रचना ज्याला ट्रान्सफॉर्मर म्हणतात, ज्यामुळे मॉडेल्सना एका उताऱ्यातील प्रत्येक शब्द इतर प्रत्येक शब्दाशी कसा संबंधित आहे हे मोजता आले, कडकपणे डावीकडून उजवीकडे वाचण्याऐवजी संबंधित संदर्भाकडे “लक्ष” देत. ती रचना पुरेसा डेटा आणि संगणकीय शक्ती देऊन मोठी करा, आणि पुढच्या-शब्दाचा अंदाज ऑटोकम्प्लीटसारखा दिसणे थांबवून ज्ञानासारखा दिसू लागतो.

पण ते ज्ञान नाही. ती माणसे भाषा कशी वापरतात याचा एक विलक्षण तपशीलवार सांख्यिकीय नकाशा आहे. म्हणूनच तो तुम्हाला एक सुनेट लिहून देऊ शकतो आणि तरीही एखाद्या लहान मुलाच्या शब्दलेखनाच्या प्रश्नात अडखळू शकतो.

हा भ्रम का निर्माण करतो (आणि नेहमीच थोडासा करत राहील)

जेव्हा एखादा चॅटबॉट एखादे बनावट न्यायालयीन प्रकरण किंवा अस्तित्वात नसलेले पुस्तक तयार करतो, तेव्हा आपण त्याला “भ्रम” म्हणतो. हा एक दिशाभूल करणारा शब्द आहे. मॉडेल बिघडलेले नाही. तो नेहमी जे करतो तेच नेमके करत आहे, सर्वाधिक विश्वासार्ह-वाटणारी सलगता तयार करत आहे, अशा परिस्थितीत जिथे विश्वासार्ह उत्तर आणि खरे उत्तर एकच गोष्ट नसते.

मॉडेलला “खरे” याची वेगळी जाणीव नसते. त्याला “शक्य” असते. बहुतेक वेळा हे दोन्ही एकमेकांत मिसळतात, म्हणूनच तो उपयोगी पडतो. जेव्हा हे वेगळे होतात, तेव्हा तो तुम्हाला एक आत्मविश्वासपूर्ण, सहज, पूर्णपणे रचलेले उत्तर देईल, आतून कोणताही इशारा न वाजता, कारण वाजवायला कोणताही इशाराच नाही.

ती “strawberry” ची समस्या? तो मजकुराला अक्षरे म्हणून नाही तर टोकन नावाच्या तुकड्यांच्या रूपात पाहतो, त्यामुळे वैयक्तिक अक्षरे मोजणे त्याच्यासाठी अवघड आहे. तो मूर्ख नाही. तो फक्त तुम्ही त्याला दिलेल्या कामापेक्षा वेगळ्या कामासाठी बनवलेला आहे.

प्रत्यक्षात वापरण्यासाठी याचा अर्थ काय

एकदा तुम्ही “तो विश्वासार्ह मजकुराचा अंदाज बांधतो आहे, वस्तुस्थिती शोधत नाही आहे” हे मनात बिंबवले की, संपूर्ण साधन स्पष्ट होते:

• जिथे सहजता हेच ध्येय आहे तिथे तो विलक्षण आहे: मसुदा तयार करणे, पुन्हा शब्दांत मांडणे, कल्पना सुचवणे, भाषांतर करणे, सारांश देणे.
• जिथे आत्मविश्वासपूर्ण चुकीचे उत्तर तुम्हाला महागात पडते तिथे तो धोकादायक आहे: विशिष्ट वस्तुस्थिती, आकडे, संदर्भ, कायदेशीर किंवा वैद्यकीय तपशील. ते नेहमी तपासा.
• त्याला “माहीत” नसते की त्याला काय माहीत नाही, त्यामुळे तो अंदाज बांधत असताना विश्वासार्हपणे तुम्हाला सावध करू शकत नाही.

ही यंत्रे विलक्षण आहेत. पण त्यांच्यासोबत तुम्ही करू शकणारी सर्वात हुशार गोष्ट म्हणजे लक्षात ठेवणे की आत प्रत्यक्षात काय चालले आहे. तो विचार करत नाही, आणि तो जाणतही नाही. तो अंदाज बांधतो आहे. एकदा हे लक्षात ठेवले की, तो जादू असणे थांबतो आणि जे तो खरोखर आहे ते बनतो, जे कदाचित अधिक प्रभावी आहे: आपण आजवर जे काही लिहिले त्याचा आरसा, एका वेळी एक शब्द अंदाजत अंदाजत अशा एका गोष्टीपर्यंत पोहोचणारा जी समजण्यासारखीच दिसते.