2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது

.class="img-fluid clearfix"

நிர்வாகச் சுருக்கம் / முக்கிய கருத்துகள்

• எல்லாவற்றையும் மாற்றிய கட்டமைப்பு. 2017-ஆம் ஆண்டு டிரான்ஸ்ஃபார்மர் ஆய்வுக் கட்டுரை சுய-கவனத்தை (self-attention) அறிமுகப்படுத்தியது: உள்ளீட்டில் உள்ள ஒவ்வொரு டோக்கன் இணைக்கும் இடையிலான தொடர்புச் சார்பு எடைகளைக் கணக்கிடும் ஒரு பொறிமுறை, இது RNN-களின் தொடர்ச்சியான செயலாக்கத்தை இணையாக்கக்கூடிய மேட்ரிக்ஸ் செயல்பாடுகளால் மாற்றியது. 2023-இல் ஒவ்வொரு முக்கிய மொழி மாதிரியும் ஒரு டிரான்ஸ்ஃபார்மர் மாறுபாடே (Vaswani et al., 2017).
• 2023 அளவுகோலாக GPT-4. மார்ச் 2023-இல் வெளியிடப்பட்ட GPT-4, அமெரிக்க Bar தேர்வில் 90வது சதவீதத்திலும், GRE Verbal-இல் 99வது சதவீதத்திலும் மதிப்பெண் பெற்றது, மேலும் நீண்ட ஆவணங்களில் பல-படி பகுத்தறிவை நிரூபித்தது. அடுத்தடுத்த மாதிரிகள் எட்ட அல்லது மிஞ்ச இலக்கு வைத்த திறன் அளவுகோலை இது நிர்ணயித்தது (OpenAI, 2023).
• திறந்த-எடை மாதிரிகள் அணுகலை ஜனநாயகப்படுத்தின. Meta-வின் Llama 2 (ஜூலை 2023) மற்றும் Mistral AI-இன் Mistral 7B (செப்டம்பர் 2023) ஆகியவை GPT-3.5-வகுப்பு திறனுடன் போட்டியிடும் மாதிரிகள் தனியார் உள்கட்டமைப்பில் இயங்க முடியும் என்பதைக் காட்டின — ஒழுங்குபடுத்தப்பட்ட துறைகளின் தரவு வதிவிடத் தேவைகளைக் கவனத்தில் கொண்டன.
• 2023-இல் நிதி சேவை முன்னோடித் திட்டங்கள். 2023-இன் பிற்பகுதிக்குள் பரந்த பயன்பாடுகளில் சட்ட ஒப்பந்த மதிப்பாய்வு (JPMorgan-இன் DocLLM ஆராய்ச்சி), ஒழுங்குமுறை மாற்றக் கண்காணிப்பு, மற்றும் டெவலப்பர் உற்பத்தித்திறன் கருவிகள் அடங்கும். Goldman Sachs 10,000 டெவலப்பர்களுக்கு AI குறியீட்டு உதவியாளர்களின் உள்நாட்டு பயன்பாட்டைப் பதிவு செய்தது.
• மாயத்தோற்றம் ஒரு உற்பத்தித் தடையாகும். LLM-கள் நம்பத்தகுந்ததாகத் தோன்றும் ஆனால் உண்மையில் தவறான வெளியீடுகளை அற்பமல்லாத விகிதங்களில் உருவாக்குகின்றன. ஒழுங்குபடுத்தப்பட்ட பயன்பாட்டு வழக்குகளில் — கடன் முடிவுகள், இணக்கக் கருத்துகள், வாடிக்கையாளர் வெளிப்படுத்தல்கள் — மாயத்தோற்றம் ஒரு அழகியல் குறைபாடு அல்ல; அது மீட்டெடுப்பு-மேம்படுத்தப்பட்ட உருவாக்கம் (RAG) போன்ற கட்டமைப்பு சார்ந்த தணிப்புகளைக் கோரும் ஒரு ஒழுங்குமுறை மற்றும் பொறுப்பு அபாயமாகும்.

டிரான்ஸ்ஃபார்மர் கட்டமைப்பு எவ்வாறு செயல்படுகிறது

2023-இல் பயன்படுத்தப்பட்ட ஒவ்வொரு குறிப்பிடத்தக்க மொழி மாதிரியும் — GPT-4, Claude 2, Llama 2, Mistral, Falcon — 2017-ஆம் ஆண்டு "Attention Is All You Need" என்ற ஆய்வுக் கட்டுரையில் அறிமுகப்படுத்தப்பட்ட டிரான்ஸ்ஃபார்மர் கட்டமைப்பின் மீது கட்டமைக்கப்பட்டுள்ளது. மைய பொறிமுறையைப் புரிந்துகொள்வது இந்த மாதிரிகள் ஏன் செயல்படுகின்றன, எங்கு தோல்வியடைகின்றன என்பதை விளக்குகிறது.

டோக்கன்களும் உட்பொதிப்புகளும். மாதிரி உள்ளீட்டு உரையை துணை-சொல் டோக்கன்களாக (பொதுவாக byte-pair encoding பயன்படுத்தி) பிரிப்பதன் மூலம் தொடங்குகிறது. ஒவ்வொரு டோக்கனும் ஒரு உயர்-பரிமாண திசையனுக்கு (ஒரு உட்பொதிப்பு) வரைபடமாக்கப்படுகிறது, இது முன்-பயிற்சியின் போது கற்றுக்கொள்ளப்பட்ட மற்ற டோக்கன்களுடனான அதன் சொற்பொருள் உறவுகளை குறியீடு செய்கிறது.

சுய-கவனம். ஒவ்வொரு டோக்கனுக்கும், மாதிரி மூன்று திசையன்களைக் கணக்கிடுகிறது: ஒரு Query (இந்த டோக்கன் எதைத் தேடுகிறது), ஒரு Key (இந்த டோக்கன் எதை வழங்குகிறது), மற்றும் ஒரு Value (இந்த டோக்கன் எதற்குப் பங்களிக்கிறது). ஒவ்வொரு Query-ஐயும் அனைத்து Key-களுக்கு எதிராக புள்ளிப் பெருக்கம் எடுத்து, எடைகளை உருவாக்க softmax-ஐப் பயன்படுத்தி, அந்த மதிப்பெண்களால் எடையிடப்பட்ட Value-களைக் கூட்டுவதன் மூலம் கவன மதிப்பெண்கள் கணக்கிடப்படுகின்றன. இதன் பொருள் ஒவ்வொரு டோக்கனும் சூழல் சாளரத்தில் உள்ள மற்ற ஒவ்வொரு டோக்கனையும் ஒரே நேரத்தில் கவனிக்கிறது — நீண்ட-தூர சார்புகளைக் கையாளும் திறனை டிரான்ஸ்ஃபார்மர்களுக்கு அளிக்கும் பொறிமுறை இதுவே.

பல-தலை கவனம். பல கவனத் தலைகள் இணையாக இயங்குகின்றன, ஒவ்வொன்றும் வெவ்வேறு வகையான உறவுகளை (தொடரியல், சொற்பொருள், நிலை சார்ந்த) கற்றுக்கொள்கிறது. அவற்றின் வெளியீடுகள் ஒன்றிணைக்கப்பட்டு நேரியல் முறையில் திட்டமிடப்படுகின்றன.

முன்-செலுத்து அடுக்குகள். கவனத்திற்குப் பிறகு, ஒவ்வொரு நிலையும் ஒரு நேரியல் அல்லாத செயல்படுத்தலுடன் இரண்டு நேரியல் மாற்றங்கள் வழியாகச் செல்கிறது. இந்த அடுக்கு ஒவ்வொரு-டோக்கன் கணக்கீட்டை சுயாதீனமாகச் செய்து, உள்ளூர் அம்ச மாற்றங்களைப் பிடிக்கிறது.

அளவு. GPT-4 ஒரு டிரில்லியனுக்கும் அதிகமான அளபுருக்கள் கொண்டதாக மதிப்பிடப்படுகிறது (OpenAI-ஆல் உறுதிப்படுத்தப்படவில்லை). Llama 2 70B 70 பில்லியனைப் பயன்படுத்துகிறது. Mistral 7B 7 பில்லியனைப் பயன்படுத்துகிறது, திறனுக்காக grouped-query attention மற்றும் sliding window attention-உடன். பெரிய மாதிரிகள் பொதுவாக சிறந்த zero-shot மற்றும் few-shot பகுத்தறிவை வெளிப்படுத்துகின்றன — அவை வெளிப்படையாகப் பயிற்சியளிக்கப்படாத பணிகளுக்கு அவற்றைப் பயனுள்ளதாக்கும் தோன்றும் திறன்கள்.

2023 மாதிரி நிலப்பரப்பு

2023 முந்தைய எந்த ஆண்டையும் விட அதிக குறிப்பிடத்தக்க மாதிரி வெளியீடுகளை உருவாக்கியது:

GPT-4 (OpenAI, மார்ச் 2023). பல-முறை (உரை + பட உள்ளீடு), பிற்கால GPT-4 Turbo மாறுபாட்டில் 128,000 டோக்கன்கள் வரை சூழல் சாளரம், வலுவான பல-படி பகுத்தறிவு. தொழில்முறை-துறை பணிகளுக்கான அளவுகோலை நிர்ணயித்தது.

Claude 2 (Anthropic, ஜூலை 2023). 100,000-டோக்கன் சூழல் சாளரம் (வெளியீட்டின்போது மிக நீளமானது), ஒப்பந்த மதிப்பாய்வு மற்றும் ஒழுங்குமுறை பகுப்பாய்வு போன்ற நீண்ட-ஆவண பணிகளில் வலுவான செயல்திறன். தீங்கு விளைவிக்கும் வெளியீடுகளைக் குறைப்பதற்கான Constitutional AI பயிற்சி.

Llama 2 (Meta, ஜூலை 2023). 7B, 13B, 34B, மற்றும் 70B அளபுரு மாறுபாடுகளில் திறந்த-எடை வெளியீடு. வணிகப் பயன்பாடு அனுமதிக்கப்பட்டது. ஒழுங்குபடுத்தப்பட்ட துறைகளுக்கான வளாகத்தில் (on-premise) பயன்பாட்டை இயலச்செய்தது. நூற்றுக்கணக்கான நுண்-சரிசெய்யப்பட்ட மாறுபாடுகளை (Code Llama, Vicuna, WizardLM) உருவாக்கியது.

Mistral 7B (Mistral AI, செப்டம்பர் 2023). பெரும்பாலான அளவுகோல்களில் Llama 2 13B-ஐ மிஞ்சும் 7 பில்லியன் அளபுருக்கள். Grouped-query attention மற்றும் sliding window attention அனுமான செலவைக் குறைக்கின்றன. GDPR மற்றும் EU AI Act சூழலைக் கருத்தில் கொண்டு தொடர்புடைய முதல் குறிப்பிடத்தக்க ஐரோப்பிய முன்னணி மாதிரி.

Falcon 180B (TII, செப்டம்பர் 2023). 180 பில்லியன் அளபுரு திறந்த-எடை மாதிரி, RefinedWeb தரவின் 3.5 டிரில்லியன் டோக்கன்களில் பயிற்சியளிக்கப்பட்டது. திறந்த-எடை மாதிரிகள் GPT-4-வகுப்பு அளவை நெருங்க முடியும் என்பதை நிரூபித்தது.

நிதி சேவைகளில் ஜெனரேட்டிவ் AI முதலில் எங்கு நிலைபெற்றது

2023-இன் பிற்பகுதிக்குள், நிதி நிறுவனங்கள் உள்நாட்டு பரிசோதனையிலிருந்து பல தனித்துவமான பயன்பாட்டு வழக்குகளில் கட்டமைக்கப்பட்ட முன்னோடித் திட்டங்களுக்கு நகர்ந்திருந்தன:

டெவலப்பர் உற்பத்தித்திறன். குறியீட்டு உருவாக்கக் கருவிகள் (GitHub Copilot, Amazon CodeWhisperer, உள்நாட்டில் நுண்-சரிசெய்யப்பட்ட மாதிரிகள்) மிகவும் பரவலாகப் பயன்படுத்தப்பட்ட வகையாக மாறின. 10,000 டெவலப்பர்களுக்கு AI குறியீட்டு உதவி இருந்ததாக Goldman Sachs பதிவு செய்தது. 100,000-ஆவண அறிவுத் தளத்திலிருந்து தகவல்களைப் பெற நிதி ஆலோசகர்களுக்கு உதவ Morgan Stanley GPT-4-ஐ உள்நாட்டில் பயன்படுத்தியது.

சட்ட மற்றும் ஒழுங்குமுறை ஆவண செயலாக்கம். ஒப்பந்த விதி பிரித்தெடுத்தல், ஒழுங்குமுறை மாற்றக் கண்காணிப்பு, மற்றும் இணக்க வரைபடமாக்கல் ஆகியவை மிக உயர்-மதிப்பு கொண்ட முன்னோடித் திட்டங்களாக இருந்தன. ஆவண-அமைப்பு-அறிந்த மொழி மாதிரிகள் நிதி ஆவணப் புரிதல் பணிகளில் பொதுவான LLM-களை மிஞ்சியதாக JPMorgan-இன் DocLLM ஆராய்ச்சி நிரூபித்தது.

வாடிக்கையாளர் சேவை மேம்பாடு. வங்கிகள் முதல்-வரிசை வாடிக்கையாளர் வினவல்களுக்கு LLM-இயங்கும் உதவியாளர்களைப் பயன்படுத்தின, ஒழுங்குபடுத்தப்பட்ட ஆலோசனைக்கு மனித ஏற்றமளிப்புடன். முக்கியக் கட்டுப்பாடுகள்: மாதிரி ஒழுங்குபடுத்தப்பட்ட ஆலோசனை வழங்க முடியாது, தயாரிப்பு விதிமுறைகளை மாயத்தோற்றமாக உருவாக்கக் கூடாது, மற்றும் தணிக்கை செய்யக்கூடியதாக இருக்க வேண்டும்.

KYC மற்றும் AML விவரணை உருவாக்கம். ஆய்வாளர் மதிப்பாய்விற்காக சிக்கலான பரிவர்த்தனை முறைகள் மற்றும் வாடிக்கையாளர் விவரங்களைச் சுருக்குதல் — கைமுறையாக எழுதப்பட்ட பணியாக இருந்ததை மாற்றியமைத்தல் — மாதிரி புதிய கூற்றுகளை உருவாக்குவதற்குப் பதிலாக வழங்கப்பட்ட தரவைச் சுருக்குவதால் குறைந்த மாயத்தோற்ற அபாயத்துடன் ஒரு நம்பகமான பயன்பாட்டு வழக்காக வெளிப்பட்டது.

உற்பத்தி வெளிப்படுத்திய அபாயங்கள்

நிதி சேவைகளில் டெமோவிலிருந்து உற்பத்திக்கு நகர்வது கட்டமைப்பு சார்ந்த பதில்களைக் கோரிய அபாயங்களின் தொகுப்பை வெளிக்கொணர்ந்தது:

மாயத்தோற்றம். LLM-கள் பணி வகை மற்றும் மாதிரியைப் பொறுத்து மாறுபடும் விகிதங்களில் நம்பிக்கையாகத் தோன்றும் தவறான வெளியீடுகளை உருவாக்குகின்றன. உண்மைத் தகவல் நினைவுகூர்தல் பணிகளில், GPT-4 கூட இணக்கக் கருத்துகள் அல்லது கடன் வெளிப்படுத்தல்களுக்கு ஏற்றுக்கொள்ள முடியாத விகிதங்களில் மாயத்தோற்றம் காட்டுகிறது. முதன்மைத் தணிப்பு மீட்டெடுப்பு-மேம்படுத்தப்பட்ட உருவாக்கம் (RAG): அளபுரு அறிவை மட்டுமே நம்பியிருப்பதற்குப் பதிலாக மீட்டெடுக்கப்பட்ட, சரிபார்க்கக்கூடிய ஆவணங்களில் மாதிரியின் வெளியீட்டை நிலைப்படுத்துதல்.

ப்ராம்ப்ட் இன்ஜெக்ஷன். ஆவணங்கள் அல்லது பயனர் செய்திகளில் உட்பொதிக்கப்பட்ட எதிரிடையான உள்ளீடுகள் மாதிரி நடத்தையைத் திசைதிருப்பலாம். LLM-கள் நம்பப்படாத ஆவணங்களை (ஒப்பந்தங்கள், மின்னஞ்சல்கள், வாடிக்கையாளர் சமர்ப்பிப்புகள்) செயலாக்கும் நிதி சேவைகளில், ப்ராம்ப்ட் இன்ஜெக்ஷன் ஒரு கோட்பாட்டு அபாயம் அல்ல, ஒரு உற்பத்திப் பாதுகாப்பு அபாயமாகும்.

தரவு கசிவு. ரகசியத் தரவில் நுண்-சரிசெய்யப்பட்ட அல்லது ப்ராம்ப்ட் செய்யப்பட்ட மாதிரிகள் அந்தத் தரவை வெளியீட்டில் மீள்உருவாக்கம் செய்யலாம் — PII, வர்த்தக நிலைகள், மற்றும் வாடிக்கையாளர் தகவலுக்கான ஒரு பொருள்சார் அபாயம். கட்டமைப்புக் கட்டுப்பாடுகள் (தனியார் பயன்பாடு, சூழலில்-தரவு மேலாண்மை, வெளியீட்டு வடிகட்டுதல்) விருப்பமல்ல, தேவையானவை.

மாதிரி மூலம் மற்றும் தணிக்கைத் தன்மை. தானியங்கு முடிவுகளை விளக்குமாறு ஒழுங்குமுறையாளர்கள் நிதி நிறுவனங்களிடமிருந்து எதிர்பார்க்கின்றனர். தணிக்கை செய்யக்கூடிய பகுத்தறிவுத் தடயம் இல்லாமல் கடன் மதிப்பீட்டை உருவாக்கும் ஒரு LLM, GDPR பிரிவு 22, EU AI Act-இன் உயர்-அபாய AI விதிகள், மற்றும் தற்போதுள்ள FCA மாதிரி அபாய வழிகாட்டுதலின் விளக்கத்தன்மைத் தேவைகளில் தோல்வியடைகிறது.

பழைய அறிவு. LLM-களுக்கு பயிற்சி முடிவுத் தேதிகள் உள்ளன. 2023-இன் தொடக்கம் வரையிலான தரவில் பயிற்சியளிக்கப்பட்ட ஒரு மாதிரிக்கு அந்தத் தேதிக்குப் பிந்தைய ஒழுங்குமுறை மாற்றங்கள், விகித முடிவுகள், அல்லது சந்தை நிகழ்வுகள் பற்றித் தெரியாது — RAG அல்லது நிகழ்நேர மீட்டெடுப்பு இல்லாமல் நிகழ்நேர இணக்கம் அல்லது சந்தை வர்ணனை பயன்பாட்டு வழக்குகளுக்கு ஒரு குறிப்பிடத்தக்க வரம்பு.

பயன்பாட்டிற்கு முன் ஆளுகைத் தேவைகள்

2023-இல் செயல்பட்ட நிதி சேவைப் பயிற்சியாளர்கள் பயன்படுத்துவதற்கு முன் ஒழுங்குமுறை உறுதிப்பாட்டிற்குக் காத்திருக்கவில்லை — ஆனால் முன்னணி நிறுவனங்கள் SR 11-7 மற்றும் SS3/18 வழிகாட்டுதலில் இருந்து தழுவப்பட்ட மாதிரி அபாய மேலாண்மை (MRM) கட்டமைப்புகளை ஏற்றுக்கொண்டன:

மாதிரி சரக்கு மற்றும் ஆவணமாக்கம். வணிகச் செயல்பாடுகளுக்குப் பயன்படுத்தப்படும் LLM-களுக்கு பயிற்சித் தரவின் மூலம், நுண்-சரிசெய்தல் முறையியல், அறியப்பட்ட தோல்வி முறைகள், மற்றும் துறை-குறிப்பிட்ட சரிபார்ப்புத் தொகுப்புகளில் செயல்திறன் ஆகியவற்றின் ஆவணமாக்கம் தேவை.

மனிதன்-சுழற்சியில் சரிபார்ப்புப் புள்ளிகள். ஒழுங்குபடுத்தப்பட்ட வெளியீடுகளுக்கு (கடன் முடிவுகள், இணக்கக் கருத்துகள், வாடிக்கையாளர் வெளிப்படுத்தல்கள்), மனித மதிப்பாய்வு 2023-இல் கட்டாயமாக இருந்தது. வரைவு மற்றும் சுருக்கத்திற்கு தானியக்கம் பயன்படுத்தப்பட்டது; இறுதி ஒப்புதல் மனிதனாகவே இருந்தது.

விற்பனையாளர் அபாயம். மூன்றாம்-தரப்பு மாதிரி API-ஐப் (OpenAI, Anthropic, Google) பயன்படுத்துவது விற்பனையாளர் செறிவு அபாயம், தரவு வதிவிட அபாயம், மற்றும் மாதிரி மாற்ற அபாயம் (வழங்குநர்கள் மாதிரிகளை அமைதியாகப் புதுப்பிக்கலாம்) ஆகியவற்றை அறிமுகப்படுத்துகிறது. நிறுவன ஒப்பந்தங்கள் மற்றும் தனியார் பயன்பாடுகள் இவற்றைப் பகுதியளவு தணிக்கின்றன.

ஒழுங்குமுறை ஈடுபாடு. FCA, PRA, ECB, மற்றும் FINRA அனைத்தும் 2023-இல் AI ஆளுகை குறித்த கட்டுரைகள் அல்லது உரைகளை வெளியிட்டன. நிலையான செய்தி: தற்போதுள்ள மாதிரி அபாயக் கட்டமைப்புகள் AI-க்குப் பொருந்தும், மேலும் நிறுவனங்கள் முறையான வழிகாட்டுதலுக்கு முன்பாகவே தங்கள் ஆளுகை அணுகுமுறையை ஆவணப்படுத்துவதில் முன்முனைப்புடன் இருக்க வேண்டும்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

பெரிய மொழி மாதிரிக்கும் அடித்தள மாதிரிக்கும் இடையிலான வேறுபாடு என்ன?

பெரிய மொழி மாதிரி (LLM) என்பது மொழியை முன்கணித்து உருவாக்க அளவில் உரைத் தரவில் பயிற்சியளிக்கப்பட்ட ஒரு மாதிரி. அடித்தள மாதிரி என்பது பல கீழ்நிலைப் பணிகளுக்கு (நுண்-சரிசெய்யப்பட்ட அல்லது ப்ராம்ப்ட் செய்யப்பட்ட) தழுவக்கூடிய எந்தவொரு பெரிய முன்-பயிற்சி மாதிரிக்கும் ஒரு பரந்த சொல் — LLM-கள் மட்டுமல்லாமல் பார்வை மாதிரிகள், குறியீட்டு மாதிரிகள், மற்றும் பல-முறை மாதிரிகள் உட்பட. GPT-4 ஒரு LLM மற்றும் ஒரு அடித்தள மாதிரி இரண்டும் ஆகும். DALL-E 3 ஒரு அடித்தள மாதிரி ஆனால் ஒரு LLM அல்ல. நடைமுறையில், உரை-உருவாக்க அமைப்புகளைக் குறிப்பிடும்போது இந்தச் சொற்கள் பெரும்பாலும் மாற்றிமாற்றிப் பயன்படுத்தப்படுகின்றன.

மீட்டெடுப்பு-மேம்படுத்தப்பட்ட உருவாக்கம் என்றால் என்ன, நிதி சேவைகளுக்கு அது ஏன் முக்கியம்?

RAG ஒரு மொழி மாதிரியை ஒரு மீட்டெடுப்பு அமைப்புடன் இணைக்கிறது: மாதிரியின் அளபுரு அறிவை (பயிற்சியின் போது அது கற்றுக்கொண்டதை) மட்டுமே நம்பியிருப்பதற்குப் பதிலாக, RAG அனுமான நேரத்தில் தொடர்புடைய ஆவணங்களைப் பெற்று அவற்றைச் சூழலாக வழங்குகிறது. மாதிரி கற்றுக்கொண்ட உண்மைகளை நினைவுகூர்வதற்குப் பதிலாக வழங்கப்பட்ட உரையைத் தொகுப்பதால் இது உண்மைப் பணிகளில் மாயத்தோற்றத்தைக் கணிசமாகக் குறைக்கிறது. நிதி சேவைகளுக்கு, தூய உருவாக்க அணுகுமுறையுடன் அதிக மாயத்தோற்ற வாய்ப்புடையதாக இருக்கும் ஒழுங்குமுறை மாற்றக் கண்காணிப்பு (எப்போதும் தற்போதைய விதிகளைப் பெறுகிறது) மற்றும் ஒப்பந்த மதிப்பாய்வு (உண்மையான ஒப்பந்த உரையில் மாதிரியை நிலைப்படுத்துகிறது) போன்ற பயன்பாட்டு வழக்குகளை RAG இயலச்செய்கிறது.

2023-இல் ஜெனரேட்டிவ் AI பயன்பாடுகள் தொடர்பாக நிதி நிறுவனங்கள் EU AI Act-ஐ எவ்வாறு கையாள வேண்டும்?

EU AI Act 2023-இல் இன்னும் சட்டமியற்றும் செயல்முறையில் இருந்தது (மார்ச் 2024-இல் ஐரோப்பிய நாடாளுமன்றத்தால் நிறைவேற்றப்பட்டது, ஆகஸ்ட் 2024-இல் நடைமுறைக்கு வந்தது). இருப்பினும், EU செயல்பாடுகள் அல்லது EU வாடிக்கையாளர்கள் கொண்ட நிறுவனங்கள் ஏற்கனவே தங்கள் பைப்லைன்களை மதிப்பிட்டு வந்தன. கடன் மதிப்பீடு, வேலைவாய்ப்பு முடிவுகள், மற்றும் முக்கிய உள்கட்டமைப்பில் உள்ள உயர்-அபாய AI அமைப்புகளுக்கு இணக்க மதிப்பீடுகள், மனித மேற்பார்வை பொறிமுறைகள், மற்றும் தணிக்கை பதிவு தேவை. பொது-நோக்க AI (GPAI) மாதிரிகள் — GPT-4 போன்ற அடித்தள மாதிரிகளை உள்ளடக்கியவை — வெளிப்படைத்தன்மை மற்றும் அமைப்புசார் அபாயம் தொடர்பான தமது சொந்த அடுக்கு தேவைகளைக் கொண்டுள்ளன. 2023-இல் ஆவணமாக்கம் மற்றும் ஆளுகை பணியைத் தொடங்கிய நிறுவனங்கள் அமலாக்கக் காலக்கெடுவுக்கு சிறப்பாக நிலைநிறுத்தப்பட்டிருந்தன.

நிறுவன LLM பயன்பாடுகளுக்கு நுண்-சரிசெய்தலுக்கும் ப்ராம்ப்ட் இன்ஜினியரிங்குக்கும் இடையிலான நடைமுறை வேறுபாடு என்ன?

நுண்-சரிசெய்தல் துறை-குறிப்பிட்ட தரவில் பயிற்சியைத் தொடர்வதன் மூலம் மாதிரியின் எடைகளை மாற்றுகிறது — இது மாதிரிக்குப் புதிய அறிவு மற்றும் நடத்தை முறைகளைக் கற்பிக்கிறது. இதற்கு லேபிளிடப்பட்ட பயிற்சித் தரவு, கணக்கீட்டு நிதி, மற்றும் அடிப்படை மாதிரிகள் புதுப்பிக்கப்படும்போது தொடர்ச்சியான பராமரிப்பு தேவை. ப்ராம்ப்ட் இன்ஜினியரிங் (few-shot எடுத்துக்காட்டுகள் மற்றும் சிஸ்டம் ப்ராம்ப்ட்கள் உட்பட) எடைகளை மாற்றாமல் அனுமான நேரத்தில் நடத்தையை வடிவமைக்கிறது — செயல்படுத்தவும் புதுப்பிக்கவும் வேகமானது, ஆனால் அடிப்படை மாதிரிக்கு ஏற்கனவே தெரிந்ததால் வரம்பிடப்பட்டது. பெரும்பாலான 2023 நிதி சேவை பயன்பாடுகளுக்கு, RAG கூடுதலாக ப்ராம்ப்ட் இன்ஜினியரிங் விருப்பமான தொடக்கப் புள்ளியாக இருந்தது; உரிமையாளர் சொற்களஞ்சியத்தைக் கற்க அல்லது கடுமையான வெளியீட்டு வடிவங்களை ஏற்க மாதிரி தேவைப்பட்ட வழக்குகளுக்கு மட்டுமே நுண்-சரிசெய்தல் ஒதுக்கப்பட்டது.

குறிப்புகள்

• Vaswani, A., et al., (2017). Attention Is All You Need ⧉.
• OpenAI, (2023). GPT-4 Technical Report ⧉.
• Touvron, H., et al., Meta AI, (2023). Llama 2: Open Foundation and Fine-Tuned Chat Models ⧉.
• Jiang, A., et al., Mistral AI, (2023). Mistral 7B ⧉.

கடைசியாக மதிப்பாய்வு செய்யப்பட்டது 2026-07-17.

# 2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/](https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/)

2023-இல் ஜெனரேட்டிவ் செயற்கை நுண்ணறிவை ஆராயுங்கள்: அது எவ்வாறு செயல்படுகிறது, நிதி சேவைகளில் அது முதலில் எங்கு நிலைபெறுகிறது, மேலும் கேட்கத் தகுந்த நெறிமுறை மற்றும் கட்டமைப்பு சார்ந்த கேள்விகள்.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/

2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau

2023-இல் ஜெனரேட்டிவ் செயற்கை நுண்ணறிவை ஆராயுங்கள்: அது எவ்வாறு செயல்படுகிறது, நிதி சேவைகளில் அது முதலில் எங்கு நிலைபெறுகிறது, மேலும் கேட்கத் தகுந்த நெறிமுறை மற்றும் கட்டமைப்பு சார்ந்த கேள்விகள்.

https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/

2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau

2023-இல் ஜெனரேட்டிவ் செயற்கை நுண்ணறிவை ஆராயுங்கள்: அது எவ்வாறு செயல்படுகிறது, நிதி சேவைகளில் அது முதலில் எங்கு நிலைபெறுகிறது, மேலும் கேட்கத் தகுந்த நெறிமுறை மற்றும் கட்டமைப்பு சார்ந்த கேள்விகள்.

முக்கிய மூலோபாயக் கருத்துகள் இங்கே:

- டிரான்ஸ்ஃபார்மர் கட்டமைப்பு எவ்வாறு செயல்படுகிறது. 2023-இல் பயன்படுத்தப்பட்ட ஒவ்வொரு குறிப்பிடத்தக்க மொழி மாதிரியும் — GPT-4, Claude 2, Llama 2, Mistral, Falcon — 2017-ஆம் ஆண்டு "Attention Is All You Need" என்ற ஆய்வுக் கட்டுரையில் அறிமுகப்படுத்தப்பட்ட…
- 2023 மாதிரி நிலப்பரப்பு. 2023 முந்தைய எந்த ஆண்டையும் விட அதிக குறிப்பிடத்தக்க மாதிரி வெளியீடுகளை உருவாக்கியது:.
- நிதி சேவைகளில் ஜெனரேட்டிவ் AI முதலில் எங்கு நிலைபெற்றது. 2023-இன் பிற்பகுதிக்குள், நிதி நிறுவனங்கள் உள்நாட்டு பரிசோதனையிலிருந்து பல தனித்துவமான பயன்பாட்டு வழக்குகளில் கட்டமைக்கப்பட்ட முன்னோடித் திட்டங்களுக்கு நகர்ந்திருந்தன:.
- உற்பத்தி வெளிப்படுத்திய அபாயங்கள். நிதி சேவைகளில் டெமோவிலிருந்து உற்பத்திக்கு நகர்வது கட்டமைப்பு சார்ந்த பதில்களைக் கோரிய அபாயங்களின் தொகுப்பை வெளிக்கொணர்ந்தது:.

இந்தக் கட்டுரையில் விவரிக்கப்பட்ட சவால்களுக்கு உங்கள் நிறுவனத்தின் அணுகுமுறை என்ன?

→ https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/

#GenerativeAi #LargeLanguageModel #TransformerArchitecture #Gpt4 #FinancialServicesAi

Sebastien Rousseau | CC-BY-4.0

@online{rousseau20232023,
  author  = {Rousseau, Sebastien},
  title   = {{2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau}},
  year    = {2023},
  url     = {https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/},
  urldate = {2023}
}

TY  - GEN
AU  - Rousseau, Sebastien
TI  - 2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau
PY  - 2023
UR  - https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/
ER  -

Rousseau S. 2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau. sebastienrousseau.com. 2023 Nov 12. Available from: https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/

Rousseau, Sebastien. "2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau." sebastienrousseau.com. November 12, 2023. https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/.

Rousseau, S. (2023, November 12). 2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/

2023-இல் ஜெனரேட்டிவ் AI: அது எவ்வாறு செயல்படுகிறது, எங்கு நிலைபெறுகிறது — Sebastien Rousseau

2023-இல் ஜெனரேட்டிவ் செயற்கை நுண்ணறிவை ஆராயுங்கள்: அது எவ்வாறு செயல்படுகிறது, நிதி சேவைகளில் அது முதலில் எங்கு நிலைபெறுகிறது, மேலும் கேட்கத் தகுந்த நெறிமுறை மற்றும் கட்டமைப்பு சார்ந்த கேள்விகள்.

Originally published at https://sebastienrousseau.com/ta/2023-11-12-exploring-generative-ai/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU · FOUNDER · ENGINEER