ஏஐயில் „LLM” என்பதன் விரிவாக்கம் என்ன?

LLM என்பது Large Language Model என்பதன் சுருக்கம், இது எண்ணற்ற உரையில் பயிற்சி பெற்ற ஒரு வகை AI அமைப்பு, இதனால் அது சாத்தியமான அடுத்த சொற்களை கணிக்கவும், ஒத்திசைவான, சூழலுக்கேற்ற மொழியை உருவாக்கவும் முடியும். "பெரிய" என்பது பில்லியன் கணக்கான உள் அளவுருக்களை (parameters) குறிக்கிறது, அடிப்படையில் மாதிரி பயிற்சியின் போது சரிசெய்யும் சரிசெய்யக்கூடிய எண் அமைப்புகள், இதனால் அது தன் பயிற்சி தரவில் காணப்படும் இலக்கணம், உண்மைகள், பகுத்தறிவில் உள்ள சிக்கலான முறைகளை கைப்பற்ற முடியும். சாட்GPT மற்றும் Claude இந்த வழியில் கட்டமைக்கப்பட்ட நன்கு அறியப்பட்ட உதாரணங்கள்.

"லாங் லாஜிக் மெஷின்" மற்றும் "லிங்க்டு லிஸ்ட் மெமரி" என்பன கண்டுபிடிக்கப்பட்ட சொற்றொடர்கள், அவை உண்மையான, நிறுவப்பட்ட AI அல்லது கணினி அறிவியல் சொற்களுக்கு ஒத்திசையவில்லை, மேலும் இந்த அமைப்புகள் உண்மையில் எப்படி உருவாக்கப்பட்டு பயிற்சி பெறுகின்றன என்பதை எதுவும் விவரிக்கவில்லை.

அவற்றின் அளவு இருந்தபோதிலும், LLM-கள் ஒரு தரவுத்தளத்தைப் போல உண்மைகளை சேமிக்காது; அவை சாத்தியமான சொல் வரிசைகளைக் கணிப்பதன் மூலம் உரையை உருவாக்குகின்றன, இதனால்தான் அவை சில நேரங்களில் தவறான ஒன்றைச் சொல்லும்போது கூட நம்பிக்கையுடன் ஒலிக்கலாம்.