Google मिथुन डिफ्यूजन: टेक्स्ट जेनरेशन में किसी का ध्यान नहीं गया

Google मिथुन डिफ्यूजन: टेक्स्ट जेनरेशन में किसी का ध्यान नहीं गया

कृत्रिम बुद्धिमत्ता की दुनिया निरंतर आंदोलन में है। नई सफलता और मॉडल लगभग हर दिन प्रस्तुत किए जाते हैं जो हमारी कल्पना को चुनौती देते हैं। लेकिन GPT-4O, क्लाउड 3 या Google के अपने मिथुन 2.5 प्रो जैसे प्रभावशाली वॉयस मॉडल के बारे में प्रचार के बीच में, हाल ही में एक घोषणा थी जो आश्चर्यजनक रूप से बहुत कम ध्यान दे रही थी, हालांकि यह एआई पाठ पीढ़ी के बारे में सोचने के तरीके को बदलने की क्षमता रखता है: Google जेमिनी प्रसार। यह अभिनव मॉडल पाठ पीढ़ी के लिए एक विधि लागू करता है, जिसे हमने अब तक मुख्य रूप से चित्र के अधिग्रहण से जाना है - प्रसार। और यह वही है जो इसे इतना आकर्षक और संभावित क्रांतिकारी बनाता है।

प्रसार की उत्पत्ति: डिजिटल शोर से दृश्य प्रतिभा तक

वास्तव में मिथुन प्रसार को समझने के लिए, हमें पहले उस तकनीक पर एक नज़र डालनी होगी जिसमें से यह अपना नाम और कार्यक्षमता प्राप्त करता है: छवि पीढ़ी में प्रसार मॉडल। स्थिर प्रसार, मिडजॉर्नी या फ्लक्स जैसे मॉडल ने हाल के वर्षों में रचनात्मक उद्योग और आम जनता को चकित कर दिया है। आप सरल पाठ विवरण (इसलिए "प्रॉम्प्ट") से लुभावनी और विस्तृत चित्र बना सकते हैं।

इसके नाम में "प्रसार" एक अत्यधिक जटिल, लेकिन रूपक को समझने के लिए आसान है। आप इसे एक मूर्तिकार की तरह कल्पना कर सकते हैं, जो इस मामले में, एक कच्चे, अनौपचारिक ब्लॉक से एक विस्तृत मूर्तिकला को छीन लेता है - इस मामले में एक डिजिटल शोर। यह प्रक्रिया पूरी तरह से यादृच्छिक शोर से शुरू होती है, एक प्रकार का "विजुअल फॉग" या "डिजिटल स्नो" जिसमें कोई पहचानने योग्य संरचना नहीं होती है। यह शोर एक ऐसा "बीज" (एक यादृच्छिक संख्या जो आउटपुट रश वितरण को निर्धारित करता है) से उत्पन्न होता है।

अनगिनत छोटे चरणों में, तथाकथित "पुनरावृत्तियों", एआई मॉडल फिर इस शोर को "शोर" करना शुरू कर देता है। यह ऐसे पैटर्न की पहचान करता है जो शोर से बाहर हो सकते हैं और धीरे -धीरे उन्हें कभी भी स्पष्ट संरचनाओं में परिवर्तित करते हैं। सबसे पहले, केवल धुंधले आकृति और खुरदरे आकार उत्पन्न होते हैं जो शायद ही पृष्ठभूमि की पृष्ठभूमि से बाहर खड़े होते हैं। लेकिन हर आगे के कदम के साथ, विवरण अधिक सटीक हो जाते हैं, रंग स्पष्ट होते हैं और लाइनें तब तक तेज होती हैं जब तक कि एक सुसंगत और अक्सर आश्चर्यजनक रूप से यथार्थवादी तस्वीर बनाई जाती है जो वास्तव में मूल पाठ विवरण से मेल खाती है। यह पुनरावृत्ति अपूर्ण प्रक्रिया प्रसार मॉडल का दिल है और कुछ भी नहीं से जटिल दृश्य दुनिया बनाने की उनकी क्षमता की कुंजी है।

मिथुन प्रसार: पाठ पीढ़ी की क्रांति नहीं

मिथुन प्रसार की वास्तविक सनसनी यह है कि यह प्रसार के इस सिद्धांत का उपयोग नहीं करता है - सामग्री उत्पन्न करने के लिए शोर का शोर - छवियों के लिए नहीं, बल्कि पाठ पर। पिक्सेल या रंग मानों के बजाय, मिथुन टोकन के साथ प्रसार का काम करता है। टोकन वॉयस मॉडल के बुनियादी बिल्डिंग ब्लॉक हैं: वे व्यक्तिगत शब्द, वाक्य भाग, प्रोग्रामिंग कोड टुकड़े या यहां तक ​​कि विराम चिह्न के निशान हो सकते हैं।

यह प्रक्रिया यहां यादृच्छिक रूप से वितरित टोकन के एक अराजक "वस्ट" के साथ भी शुरू होती है, एक "पाठ की ध्वनि" जो पूरी तरह से समझ से बाहर है। यह एक रेडियो की तरह है जो केवल स्थैतिक शोर या एक अवैध पत्र सलाद को दर्शाता है। कदम दर कदम, मिथुन प्रसार तब इस टोकन भ्रम को "शोर" करना शुरू कर देता है। पैटर्न और रिश्तों के आधार पर जो मॉडल ने टेक्स्ट डेटा की विशाल मात्रा पर अपने प्रशिक्षण के दौरान सीखा, यह सांख्यिकीय संबंधों को पहचानता है और यादृच्छिक टोकन को पठनीय शब्दों, वाक्यों और अंत में एक सुसंगत पाठ या कामकाजी प्रोग्रामिंग कोड में बनाता है।

यह दृष्टिकोण मौलिक रूप से सबसे स्थापित वॉयस मॉडल की कार्यक्षमता से अलग है, जिसे हम आज जानते हैं कि जीपीटी -4, द जेमिनी श्रृंखला (मिथुन प्रसार के अपवाद के साथ), लामा या डीपसेक जैसे-मॉडल। ये ऑटो -कॉम्प्रेसिव काम करते हैं। इसका मतलब यह है कि आप एक के बाद एक के बाद एक सख्ती से पाठ उत्पन्न करते हैं, शब्द के लिए शब्द, टोकन के लिए टोकन। पहले से उत्पन्न शब्दों के आधार पर, प्रत्येक नए शब्द को सबसे सांख्यिकीय रूप से सबसे अधिक संभावना निरंतरता के रूप में चुना जाता है। आप कल्पना कर सकते हैं कि बाएं से दाएं वाक्य लिखना पसंद है, जिससे आप हमेशा अंतिम लिखित शब्द का उल्लेख करते हैं।

ऑटोरग्रेसिव मॉडल की सीमाएं: एक नज़र वापस

ऑटो-कंप्रेसिव विधि ने निस्संदेह प्रभावशाली परिणाम दिए और वर्तमान एआई प्रचार को महत्वपूर्ण रूप से निकाल दिया। लेकिन वह अंतर्निहित नुकसान भी लाती है:

1। गणना की तीव्रता और सुस्ती

चूंकि प्रत्येक टोकन को क्रमिक रूप से गणना की जाती है और मॉडल बड़े हो रहे हैं, ऑटो -कॉम्प्रेसिव पीढ़ियां अक्सर बहुत मुआवजे के होते हैं -संविभाजक और, विशेष रूप से लंबे ग्रंथों के लिए, अपेक्षाकृत धीमी गति से होते हैं। पूरे संदर्भ को हर कदम के साथ फिर से विकसित किया जाना चाहिए।

2। गलतता और अनम्यता

एक बार उत्पन्न पाठ भागों को लेखक -compressed मॉडल द्वारा पूर्वव्यापी रूप से सही नहीं किया जा सकता है। यदि मॉडल पीढ़ी के पाठ्यक्रम में निर्धारित करता है कि पाठ का एक पुराना हिस्सा प्रतिकूल या गलत था, तो यह अब इसे सीधे नहीं बदल सकता है। यह अपने स्वयं के पाठ के भविष्य के लिए "अंधा" बोलने के लिए है। यह अक्सर तार्किक विसंगतियों या शैलीगत ब्रेक की ओर जाता है, विशेष रूप से लंबे और अधिक जटिल ग्रंथों के लिए। कुछ नए मॉडल इस समस्या को तथाकथित "तर्क" विधि के साथ संबोधित करने का प्रयास करते हैं, जैसे कि डीपसेक आर 1 या जीपीटी -4 ओ में पाया जा सकता है। मॉडल एक से अधिक चरणों में "सोच" सोचता है और अंतिम उत्तर उत्पन्न करने से पहले निष्कर्ष एकत्र करता है। हालांकि, इसके लिए और भी अधिक कंप्यूटिंग शक्ति और समय की आवश्यकता होती है, क्योंकि मॉडल बार -बार सामग्री उत्पन्न करता है और अस्वीकार करता है।

3। प्रसंस्करण में चुनौतियां

यदि एक लेखक -compressive मॉडल पहले से ही उत्पन्न पाठ को संपादित करना है, तो इसे अक्सर खरोंच से पूरे पाठ को उत्पन्न करना पड़ता है, भले ही केवल एक छोटा सा परिवर्तन किया जाना है। यह अक्षम और समय -कोंसमिंग है।

मिथुन प्रसार की ताकत: गति, लचीलापन और परिशुद्धता

प्रसार विधि के रूप में यह मिथुन प्रसार का उपयोग करता है कई मायनों में इन चुनौतियों का एक उत्तर है। यह समग्र और पुनरावृत्ति है, जिसका अर्थ है कि मॉडल प्रत्येक व्यक्तिगत कदम के साथ अपने आउटपुट की पूरी सामग्री में एक ही समय में है।

1। प्रभावशाली गति

यह सबसे हड़ताली लाभों में से एक है। जबकि GPT-4O प्रति सेकंड लगभग 50 से 100 टोकन उत्पन्न करता है, क्लाउड 3 सॉनेट 77 के आसपास और मिथुन 2.0 245 टोकन तक फ्लैश करता है, मिथुन प्रसार प्रति सेकंड 500 से 1,000 टोकन की गति तक पहुंचता है। एक्स (पूर्व में ट्विटर) और रेडिट जैसे प्लेटफार्मों पर उपयोगकर्ताओं की रिपोर्ट के अनुसार, मॉडल इष्टतम परिस्थितियों में प्रति सेकंड 3,000 टोकन तक उत्पन्न कर सकता है। तुलना के लिए: 1,000 टोकन लगभग 650 से 750 शब्दों के अनुरूप हैं, जिसका अर्थ है कि एक सेकंड में मिथुन प्रसार एक डीआईएन ए 4 पेज पाठ का आधा से तीन चौथाई बना सकता है। प्रोग्रामिंग कोड उत्पन्न करते समय यह गति विशेष रूप से प्रभावशाली है, जहां मॉडल पूरी तरह से अपनी दक्षता खेल सकता है।

2। समग्र और लचीला सुधार

चूंकि मॉडल एक ही समय में अविश्वसनीय है, इसलिए यह हर टोकन पर प्रतिक्रिया करता है जो अपने आउटपुट विंडो में अव्यक्त शोर से बनता है। पाठ के अंत में एक गठन शब्द प्रभावित कर सकता है जो शुरुआत में या बीच में अगले चरण में निर्दिष्ट है। यदि मॉडल पीढ़ी की प्रक्रिया के दौरान एक गलती, अशुद्धि या धुंधला हो जाता है, तो इसे सही और अनुकूलित किया जा सकता है, चाहे वे पाठ में दिखाई दें। यह लेखक -compressed मॉडल पर एक निर्णायक लाभ है जिसमें भविष्य की गलतियों के लिए "अंधा स्थान" है।

3। लक्षित प्रसंस्करण

छवि प्रसार मॉडल के समान, तथाकथित "इन-पेंटिंग" काम करता है (छवि में एक क्षेत्र को चिह्नित करता है और इसे वस्तुओं को जोड़ने या हटाने के लिए पुनर्जीवित होने देता है), मिथुन प्रसार भी विशेष रूप से काम कर सकता है। इसे शुरू से अंत तक पूरे पाठ का पुनर्निर्माण नहीं करना है। इसके बजाय, यह आसानी से "उजाड़" हो सकता है और फिर "शोर" फिर से और फिर "शोर" हो सकता है। यह पाठ के बाकी हिस्सों को प्रभावित किए बिना आपकी टोनिटी या स्टाइल में चयनित मार्ग या पैराग्राफ को अनुकूलित, अनुवाद या अनुकूलित करने में सक्षम बनाता है। अन्य वॉयस मॉडल में, यह अक्सर एक चुनौती है या लंबे समय तक एक असंगत रूप से लेता है। यह कुशल पाठ प्रसंस्करण और अनुकूलन के लिए पूरी तरह से नए अवसर खोलता है।

4। प्राकृतिक भाषण आउटपुट

यद्यपि क्लासिक पाठ की पीढ़ी कोड की तुलना में कुछ हद तक धीमी हो सकती है, कुछ उपयोगकर्ता रिपोर्ट करते हैं कि मिथुन प्रसार उन ग्रंथों का निर्माण करता है जो अन्य प्रमुख भाषा मॉडल की तुलना में अधिक प्राकृतिक और मानवीय ध्वनि करते हैं। यह काम करने के समग्र तरीके के कारण हो सकता है, जो मॉडल को वैश्विक सामंजस्य और शैलीगत स्थिरता को बेहतर ढंग से बनाए रखने में सक्षम बनाता है।

एआई और एक्सआर 3डी रेंडरिंग मशीन: एक व्यापक सेवा पैकेज, आर एंड डी एक्सआर, पीआर और एसईएम में एक्सपर्ट.डिजिटल की पांच गुना विशेषज्ञता - छवि: एक्सपर्ट.डिजिटल

एक्सपर्ट.डिजिटल को विभिन्न उद्योगों का गहन ज्ञान है। यह हमें ऐसी अनुकूलित रणनीतियाँ विकसित करने की अनुमति देता है जो आपके विशिष्ट बाज़ार खंड की आवश्यकताओं और चुनौतियों के अनुरूप होती हैं। बाजार के रुझानों का लगातार विश्लेषण करके और उद्योग के विकास का अनुसरण करके, हम दूरदर्शिता के साथ कार्य कर सकते हैं और नवीन समाधान पेश कर सकते हैं। अनुभव और ज्ञान के संयोजन के माध्यम से, हम अतिरिक्त मूल्य उत्पन्न करते हैं और अपने ग्राहकों को निर्णायक प्रतिस्पर्धी लाभ देते हैं।

इसके बारे में यहां अधिक जानकारी:

• एक पैकेज में Xpert.Digital की 5x विशेषज्ञता का उपयोग करें - केवल €500/माह से शुरू

चुनौतियां और पाठ प्रसार के खुले प्रश्न

इसकी आशाजनक क्षमता के बावजूद, पाठ उत्पादन के लिए प्रसार विधि अभी भी युवा है और अपनी अपनी चुनौतियों के बिना नहीं:

1। चरणों की संख्या पर निर्भरता

आउटपुट की गुणवत्ता काफी हद तक शोर चरणों की संख्या पर निर्भर करती है जो मॉडल बाहर किया जाता है। छवि मॉडल के साथ, उपयोगकर्ता अक्सर इन चरणों को मैन्युअल रूप से सेट कर सकते हैं। यह वॉयस मॉडल के आधार पर वॉयस मॉडल के लिए भी संभव है, आदर्श रूप से एआई सिस्टम को गतिशील रूप से उन्हें संकेत और वांछित पाठ लंबाई की जटिलता के लिए अनुकूलित करना चाहिए।

• बहुत कम कदम: गुणात्मक रूप से हीन, अधूरा या "शोर" परिणाम के लिए नेतृत्व। पाठ असंगत या खंडित दिखता है।
• बहुत सारे कदम: एक पाठ को भ्रमित, विरोधाभासी या यहां तक ​​कि ढह सकता है। मॉडल अभ्यास में सामग्री को "अनिवार्य" करता है। एक सो -किलोइंग डेनोइजिंग पतन हो सकता है, जिसमें उत्पन्न सामग्री एक शोर की स्थिति में वापस आ जाती है क्योंकि मॉडल ओवर -ऑप्टिमाइज्ड है और सुसंगतता खो देता है। यह एक ऐसी छवि के लिए तुलनीय है जो अचानक बहुत आक्रामक फ़िल्टरिंग के कारण अमूर्त और अपरिचित हो जाती है।

2। पाठ में मतिभ्रम के बराबर:

फ्लक्स या मिनिमैक्स इमेज -01 जैसे सबसे बड़े और सबसे उन्नत एआई छवि जनरेटर में अभी भी त्रुटियों के साथ समस्याएं हैं जो मॉडल की कमजोरियों से परिणाम नहीं कर सकती हैं, लेकिन प्रसार प्रौद्योगिकी के परिणामस्वरूप हो सकती है। इसमें बहुत से या बहुत कम उंगलियां जैसी शारीरिक विसंगतियाँ शामिल हैं, तत्वों का मनमाना सम्मिलन या विकृत शरीर और वास्तुशिल्प अभ्यावेदन। सवाल यह है कि पाठ प्रसार मॉडल किस हद तक "मतिभ्रम" से पीड़ित हो सकते हैं:

• तार्किक विसंगतियां: पाठ प्रशंसनीय रूप से शुरू होता है, लेकिन बाद में खंड पिछले बयानों का खंडन करते हैं।
• स्टाइलिस्टिक और टोनल ब्रेक: पाठ की शैली या टोन अचानक और वाक्य या पैराग्राफ के बीच में निराधार हो गई।
• अराजक पाठ संरचना: पैराग्राफ या वाक्यों को असंगत रूप से व्यवस्थित किया जाता है, विषयों के बीच कूदें या खुद को अनावश्यक रूप से दोहराएं।
• पूरी तरह से छूटे हुए विषय: हालांकि पाठ व्याकरणिक रूप से सही है, यह मूल विषय को याद करता है या तुरंत।
• तथ्यात्मक अशुद्धि: हालांकि वेश्या प्राथमिक लक्ष्य है, मॉडल सांख्यिकीय पैटर्न की व्याख्या कर सकता है ताकि वे पाठ में गलत जानकारी एकत्र करें।

ये घटनाएँ गहन अनुसंधान का विषय हैं क्योंकि वे उत्पन्न सामग्री में विश्वास को प्रभावित कर सकते हैं।

प्रस्तुति का संदर्भ: नई एआई घोषणाओं का एक तूफान

तथ्य यह है कि मिथुन प्रसार को तुलनात्मक रूप से बहुत कम ध्यान प्राप्त किया जा सकता है, यह विरोधाभासी लग सकता है, लेकिन उनकी प्रस्तुति के संदर्भ से समझाया जा सकता है। Google ने इसे अपने वार्षिक डेवलपर कॉन्फ्रेंस I/O में प्रस्तुत किया, जो पारंपरिक रूप से समाचार का एक आतिशबाजी है। मई 2024 में, Google घोषणाओं की बहुतायत वास्तव में भारी थी। मिथुन प्रसार के अलावा, टेक समूह ने कई अन्य शीर्ष-वर्ग परियोजनाओं और उपकरणों को प्रस्तुत किया:

मिथुन 2.5 प्रो

उस समय Google के अपने मिथुन मॉडल का सबसे बुद्धिमान संस्करण, जो पहले से ही अपने बहुपत्नी और प्रदर्शन के साथ प्रभावित करता है।

एस्ट्रा

Google की एआई सहायक की दृष्टि जो न केवल वॉयस कमांड को समझती है, बल्कि वास्तविक समय में दृश्य जानकारी को संसाधित और बातचीत भी कर सकती है, वास्तविक "एआई एजेंटों" की ओर एक कदम।

वीओ (संस्करण 3)

टेक्स्ट-टू-वीडियो की का तीसरा पुनरावृत्ति, जो अब भाषा और ध्वनि बनाने में भी सक्षम है, जो कि जनरेटिव एआई वीडियो के इमर्सिव कौशल का विस्तार करता है।

स्मार्ट चश्मा आभा

बुद्धिमान चश्मे का एक प्रोटोटाइप जो डिजिटल जानकारी को वास्तविक दुनिया में मूल रूप से छिपाना चाहिए।

3 डी वीडियो चतुर सिस्टम बीम

इमर्सिव वीडियो कॉल के लिए एक अभिनव प्रणाली जो भौतिक और डिजिटल उपस्थिति के बीच की सीमाओं को धुंधला करना चाहिए।

ग्राउंडब्रेकिंग नवाचारों की इस बाढ़ के मद्देनजर, एक "प्रयोग" के लिए यह मुश्किल था, जैसा कि आशाजनक हो सकता है, यह आवश्यक ध्यान प्राप्त करना मुश्किल हो सकता है। एक तरह से, बड़े, तुरंत लागू घोषणाओं की हलचल और हलचल के तहत चली गई, हालांकि इसमें ढेर पर बहुत अधिक आवाज वाले वॉयस मॉडल के प्रतिमानों को फेंकने की क्षमता है।

एक बोझिल अनुसंधान दिशा: मिथुन प्रसार के पूर्ववर्तियों

Google प्रसार पाठ प्रसार के क्षेत्र में अब तक का सबसे बड़ा प्रयोग हो सकता है, लेकिन यह पहले से दूर है। पाठ के लिए प्रसार मॉडल का उपयोग करने का विचार एक अपेक्षाकृत नया लेकिन तीव्रता से शोध की दिशा है।

2023 की शुरुआत में, चीन में सोचो विश्वविद्यालय की एक टीम ने एक ग्राउंडब्रेकिंग अध्ययन प्रकाशित किया। इसमें, उन्होंने थीसिस का प्रतिनिधित्व किया कि प्रसार मॉडल पिछले वॉयस मॉडल आर्किटेक्चर से अधिक हो सकते हैं, विशेष रूप से मजबूती और त्रुटि सुधार के संबंध में। उसी वर्ष में, पहले अल्पविकसित मॉडल का पालन किया गया जिसने पाठ प्रसार की अवधारणा को व्यवहार में रखा: प्रसार-एलएम और न्यूनतम पाठ प्रसार। इन अग्रदूतों ने दिखाया कि टोकन की विरूपण आम तौर पर पाठ उत्पादन के लिए भी काम करता है, यद्यपि बहुत प्रारंभिक चरण में।

इस साल फरवरी (2024) में एक और दिलचस्प मॉडल: इंसेप्शन लैब्स से मर्करी कोडर। इस मॉडल ने मुख्य रूप से प्रोग्रामिंग कोड की पीढ़ी पर ध्यान केंद्रित किया और साबित किया कि एप्लिकेशन के इस विशेष क्षेत्र में प्रसार मॉडल एक उल्लेखनीय गति प्राप्त कर सकते हैं जो पारंपरिक भाषा मॉडल से अधिक है।

Google I/O से कुछ समय पहले, अप्रैल 2024 में, हांगकांग विश्वविद्यालय और Huawei -belonging to Huawei ने डिफ्यूजन लार्ज लैंग्वेज मॉडल ड्रीम 7B प्रस्तुत किया। मिथुन प्रसार की प्रस्तुति तक, ड्रीम 7 बी पाठ के लिए सबसे बड़ा उपलब्ध प्रसार मॉडल था। उनके कौशल और अंतर्निहित वास्तुकला ने प्रमुख एआई शोधकर्ताओं का ध्यान आकर्षित किया। एक पूर्व Openai शोधकर्ता, आंद्रेज करपैथी, जो तंत्रिका नेटवर्क में अपनी गहन अंतर्दृष्टि के लिए जाने जाते हैं, ने ड्रीम 7 बी पर टिप्पणी की। उन्होंने इस बात पर जोर दिया कि इस मॉडल में ऑटोरेग्रेसिव मॉडल की तुलना में पूरी तरह से अलग "मनोविज्ञान" या अद्वितीय ताकत और कमजोरियों को दिखाने की क्षमता है।

इन सभी परियोजनाओं ने मिथुन प्रसार के लिए मार्ग प्रशस्त किया और दिखाया कि अनुसंधान समुदाय को कुछ समय के लिए मान्यता दी गई है जो अब लेखक की सीमाओं की सीमाओं के लिए है और वैकल्पिक दृष्टिकोण की तलाश कर रहा था। मिथुन प्रसार के विचार के बाद, एक एआई शोधकर्ता जो नाम से टिप्पणी नहीं करना चाहता था, ने पुष्टि की कि यह मॉडल अब "दृष्टिकोण की प्रासंगिकता" साक्ष्य की प्रासंगिकता है और "इस दिशा में आगे शोध किया जाना चाहिए"। विशेष रूप से, उन्होंने मोबाइल उपकरणों और कम शक्तिशाली सर्वर पर वॉयस मॉडल के लिए क्षमता पर जोर दिया, जहां प्रसार-लेम "कुल गेम चेंजर" हो सकते हैं। इसका कारण यह है कि यह बढ़ती प्रक्रिया की अंतर्निहित समानांतरता है, जिसे ऑटो-ग्रे मॉडल की अनुक्रमिक प्रकृति की तुलना में कुछ हार्डवेयर आर्किटेक्चर पर बेहतर रूप से वितरित किया जा सकता है।

क्रांतिकारी निहितार्थ और भविष्य में एक नज़र

मिथुन प्रसार की शुरूआत, भले ही यह अन्य दिग्गजों की छाया में थी, कृत्रिम बुद्धिमत्ता के विकास में एक महत्वपूर्ण कदम है। यह न केवल एक तकनीकी नवाचार का प्रतिनिधित्व करता है, बल्कि वॉयस मॉडल की वास्तुकला में एक संभावित प्रतिमान बदलाव का भी संकेत देता है।

भविष्य के लिए इसका क्या मतलब हो सकता है?

1। अधिक कुशल एआई अनुप्रयोग

विशाल गति और सटीक प्रक्रिया करने की क्षमता कई क्षेत्रों में जनरेटिव एआई अनुप्रयोगों में क्रांति ला सकती है। वीडियो कॉल में वास्तविक समय के पाठ उत्पादन, विकास के वातावरण में तेजी से कोड पीढ़ी या जटिल दस्तावेजों के तत्काल सारांश के बारे में सोचें।

मोबाइल उपकरणों पर 2। एआई

कम -परिधान हार्डवेयर के लिए पहले से उल्लेखित लाभ महत्वपूर्ण है। यदि प्रसार मॉडल स्मार्टफोन या किनारे उपकरणों पर कुशलता से चल सकते हैं, तो यह एआई की पहुंच और लाभ को नाटकीय रूप से बढ़ाएगा, क्योंकि कम क्लाउड सर्वर पर निर्भर होगा।

3। रचनात्मक पाठ संपादन

लेखक, पत्रकार या विपणन विशेषज्ञ पूरे दस्तावेज़ के प्रवाह को नष्ट किए बिना विशिष्ट पाठ वर्गों में विशेष रूप से शैली, ध्वनि या सामग्री को अनुकूलित करने के लिए इन-पेंटिंग फ़ंक्शन से लाभ उठा सकते हैं। यह पहले से बेजोड़ सटीकता और संशोधन में नियंत्रण को सक्षम करता है।

4। मजबूत और सुसंगत सामग्री

यदि "मतिभ्रम" और "डेनोइजिंग पतन" की चुनौतियों में महारत हासिल है, तो प्रसार मॉडल उन ग्रंथों को उत्पन्न कर सकते हैं जो वर्तमान मॉडल की तुलना में अधिक तार्किक रूप से सुसंगत और शैलीगत रूप से सुसंगत हैं। यह अधिक विश्वसनीय एआई पीढ़ी की ओर एक बड़ा कदम होगा।

5। नया एआई कौशल

काम करने का समग्र तरीका डिफ्यूजन मॉडल को अन्य प्रकार के कार्यों को बेहतर ढंग से हल करने या नए प्रकार की गलतियों से बचने के लिए सक्षम कर सकता है। शायद आप उन कार्यों के लिए पूर्वनिर्धारित हैं जिनमें वैश्विक स्थिरता को अनुक्रमिक पूर्णता पर रखा जाता है, जैसे कि जटिल कथा संरचनाएं बनाते हैं या स्क्रिप्ट लिखते हैं।

मिथुन प्रसार: एआई पाठ पीढ़ी में मूक उथल -पुथल

तथ्य यह है कि मिथुन प्रसार के रूप में इस तरह के एक संभावित अग्रणी मॉडल - जो पहले से ही एक प्रतीक्षा सूची के माध्यम से देखा जा सकता है - शायद ही आम जनता में देखा जाता है कि एआई के क्षेत्र में तेजी से विकास का प्रतिबिंब है। जिस गति से नए मॉडल और प्रतिमान दिखाई देते हैं वह चक्कर आ रहा है। लेकिन विशेष रूप से रडार के नीचे उड़ने वाले उन प्रयोगों में, अगली बड़ी क्रांति के लिए वास्तविक क्षमता अक्सर छिपी होती है।

यह देखने के लिए रोमांचक है कि पाठ क्षेत्र में प्रसार मॉडल कैसे विकसित होते हैं और क्या वे वास्तव में चुनौती दे सकते हैं या यहां तक ​​कि स्थापित लेखक -कॉम्प्रेस्ड आर्किटेक्चर को भी बदल सकते हैं। Google ने मिथुन प्रसार के साथ शुरू किया, केवल एक प्रयोग से अधिक है; यह पाठ पीढ़ी के संभावित भविष्य के लिए एक मार्गदर्शिका है जो तेज, अधिक लचीला और शायद और भी अधिक सहज हो। यह जोर देने के साथ इस आशाजनक दिशा को आगे बढ़ाने के लिए अनुसंधान करने के लिए एक कॉल है, क्योंकि एआई की दुनिया ने सिर्फ अपने स्तनपान में से एक को लिया हो सकता है, लेकिन सबसे महत्वपूर्ण कदम।

☑️ रणनीति, परामर्श, योजना और कार्यान्वयन में एसएमई का समर्थन

Ai एआई रणनीति का निर्माण या पुन: प्रवर्तन

☑️ पायनियर बिजनेस डेवलपमेंट

कोनराड वोल्फेंस्टीन

मुझे आपके निजी सलाहकार के रूप में सेवा करने में खुशी होगी।

आप नीचे दिए गए संपर्क फ़ॉर्म को भरकर मुझसे संपर्क कर सकते हैं या बस मुझे +49 89 89 674 804 (म्यूनिख) ।

मैं हमारी संयुक्त परियोजना की प्रतीक्षा कर रहा हूं।

एक्सपर्ट.डिजिटल डिजिटलाइजेशन, मैकेनिकल इंजीनियरिंग, लॉजिस्टिक्स/इंट्रालॉजिस्टिक्स और फोटोवोल्टिक्स पर फोकस के साथ उद्योग का केंद्र है।

अपने 360° व्यवसाय विकास समाधान के साथ, हम नए व्यवसाय से लेकर बिक्री के बाद तक प्रसिद्ध कंपनियों का समर्थन करते हैं।

मार्केट इंटेलिजेंस, स्मार्केटिंग, मार्केटिंग ऑटोमेशन, कंटेंट डेवलपमेंट, पीआर, मेल अभियान, वैयक्तिकृत सोशल मीडिया और लीड पोषण हमारे डिजिटल टूल का हिस्सा हैं।

आप यहां अधिक जानकारी प्राप्त कर सकते हैं: www.xpert.digital - www.xpert.solar - www.xpert.plus