जसरी AI ले रूपान्तरण गर्न जारी राख्छ, त्यसैगरी यसले सेवा गर्ने मानिसहरूको अनुभव पनि हुन्छ।
म्याकिन्सेले गरेको अनुसन्धानले २०२५ मा ६२% संस्थाहरू कम्तीमा पनि कम्तीमा पनि कम्तीमा ९० प्रयोग गर्ने संस्थाहरू भएको देखाउँछ। उनीहरूले नियमित रूपमा प्रयोग गरिरहेका छन् भन्नुहोस्।
एआई बबलको कुरा गर्दा पनि, बजार हाल उकालो लागेको छ, विश्वव्यापी अपनाउने अनुमान गरिएको छ $15 बिलियन भन्दा बढीको मूल्यवान हुने अनुमान गरिएको छ, र 15 मिलियन GP एक्लै Chat पुग्नु अघि 0 मिलियन डलर पुग्ने अनुमान गरिएको छ। हरेक महिना विश्वव्यापी प्रयोगकर्ताहरू।
तपाईको व्यवसाय सफल हुन आवश्यक पर्ने सबै शीर्ष समाचार, राय, सुविधाहरू र मार्गदर्शन प्राप्त गर्न TechRadar प्रो न्यूजलेटरमा साइन अप गर्नुहोस्! हामीले समाधानहरू उत्पन्न गर्दा हामीले प्रयोग गर्ने संरचनाको मात्राको लागि जन्मजात प्राथमिकता, हामीले तिनीहरूलाई लागू गर्दा हाम्रो वातावरणलाई व्यवस्थित गर्छौं, र नियमहरू र समूह मापदण्डहरूलाई प्रतिक्रिया दिन्छौं। व्यक्तिहरू बढी संरचना रुचाउँछन् र स्पष्ट र सुसंगत नियमहरू प्रयोग गर्न रुचाउँछन्, जबकि अधिक नवीन व्यक्तिहरू कम संरचना रुचाउँछन् र संलग्न रहन नियमहरूलाई बेवास्ता गर्ने वा परिवर्तन गर्ने सम्भावना बढी हुन्छ। pt-3 pb-4 mb-4 border-solid border-y border-neutral-300″>
तपाईलाई मन पर्न सक्छ
. data-mrf-recirculation=”inline-link” data-before-rewrite-localise=”https://www.techradar.com/best/best-bi-tools”>बुद्धि वा प्रेरणा; र यस कारणले, KAI स्पेक्ट्रममा कुनै पनि व्यक्तिको लागि कुनै आदर्श स्थिति छैन।
अनुकूलन-नवीनता सिद्धान्तमा डा. एम.जे. किर्टनले दशकौंको अनुसन्धानले सुझाव दिन्छ कि, जब व्यक्तिहरूले आफ्नो संज्ञानात्मक शैलीहरू बुझ्छन्, समाधानहरू अझ प्रभावकारी, कार्ययोग्य र प्रभावकारी तरिकाहरूमा पुग्न सकिन्छ – दुवै एक्लै र टोलीहरूमा हामी कसरी यो प्रविधिलाई लागू गर्न सक्छौं। एलएलएम पनि यस्तै काम गर्ने ? अनुसन्धानले जवाफ ‘हो’ हो भन्ने सुझाव दिन्छ।
id=”d53a7af1-08f9-4f7f-9bc3-c8ee4dfbc12a”>कार्नेगी मेलन विश्वविद्यालय र पेन स्टेट युनिभर्सिटीका शोधकर्ताहरूले भर्खरको एउटा पेपर – मेसिनमा भूत राख्दै: ठूलो भाषा मोडेलहरूमा संज्ञानात्मक शैलीको अनुकरण गर्दै – यदि LLM कोषको अन्वेषण गर्न सकिन्छ: हामी उनीहरूलाई कसरी सिकाउँछौं?
अनुसन्धानकर्ताहरूले एडाप्शन-इनोभेसन थ्योरीको बारेमा LLM मोडेल सिकाउनुभयो, यसले संज्ञानात्मक विविधता र कसरी थप अनुकूलनीय र थप नवीन व्यक्तिहरूले व्यवहार गर्छन् भन्ने कुरा बुझाउनुभयो। त्यसपछि यसलाई दुई फरक प्रम्प्टहरू प्रयोग गरेर तीनवटा डिजाइन समस्याहरू समाधान गर्ने जिम्मेवारी दिइएको थियो, प्रत्येक प्रम्प्ट विशेष रूपमा फरक संज्ञानात्मक शैलीलाई ध्यानमा राखेर डिजाइन गरिएको थियो।
एउटा प्रम्प्टलाई अनुकूल रूपमा फ्रेम गरिएको थियो – कसैको सोच शैली प्रतिबिम्बित गर्ने जो सावधानीपूर्वक, विवरणहरूमा ध्यान दिने र स्पष्ट अपेक्षाहरूसँग काम गर्दा फस्टाउँछ; अर्को प्रम्प्टलाई अभिनव रूपमा फ्रेम गरिएको थियो – अपेक्षाहरू अधिक अस्पष्ट हुँदा र अधिक लचिलोपन भएको व्यक्तिको सोच शैली प्रतिबिम्बित गर्दै। कि अनुकूलन प्रम्प्टले थप सम्भाव्य, संरचित, परम्परागत समाधानहरूको परिणाम दिन्छ। यसको विपरित, अभिनव प्रम्प्टले कम सम्भाव्य तर थप प्रतिरूप-चुनौतीपूर्ण समाधानहरू उत्पादन गर्यो।
सरल शब्दमा भन्नुपर्दा, LLM ले समाधान वा उत्तरहरू मात्र सिर्जना गर्दैन, यसले संज्ञानात्मक विविधताको ज्ञानको आधारमा सही प्रकारका समाधानहरू उत्पन्न गरिरहेको थियो र प्रभावकारी रूपमा यसले व्यक्तिलाई थप संज्ञानात्मक शैली प्रदान गर्यो। अभिनव/अनुकूल समाधान कसरी प्रम्प्ट गरियो र सोध्नेलाई के चाहिन्छ भन्ने आधारमा।
तर यो सबैले LLM को भविष्यको लागि के अर्थ राख्छ?
हामीले LLM लाई मात्रै लिने हो भने, हामीले शक्ति लिने हो भने खातामा संज्ञानात्मक विविधता। यदि हामी AI बाट अझ राम्रो, थप सान्दर्भिक र अधिक उत्पादक समाधानहरू प्राप्त गर्न चाहन्छौं, र तिनीहरूलाई अझ प्रभावकारी रूपमा प्राप्त गर्न चाहन्छौं भने, टेक्नोलोजीको अर्को पुस्ताले यसमा सम्मिलित संज्ञानात्मक विविधताको बुझाइ हुनुपर्छ।
वास्तविक जीवनमा, हामी कसरी सोच्दछौं वा समस्याहरूलाई कसरी दृष्टिकोण दिन्छौं भनेर विस्तृत रूपमा व्याख्या गरेर प्रश्नको प्रस्तावना कमै गर्छौं, तर हामीलाई थाहा छ जब जवाफ खोज्ने वा हाम्रो सोच्ने तरिकासँग मेल खाँदैन। यदि LLM ले हामीलाई सम्भावित उत्तरहरूको समान दायरा प्रदान गर्न सक्छ जुन संज्ञानात्मक शैली स्पेक्ट्रमले प्रतिनिधित्व गर्दछ, यसले हामीलाई आवश्यक जवाफमा ठक्कर नदेउञ्जेल प्रम्प्ट गर्ने अनन्त चक्रलाई हटाउनेछ।
अनुसन्धानले देखाउँछ कि, मानव संज्ञानात्मक शैलीहरूको बुझाइलाई टेक्नोलोजीमा नै एकीकृत गरेर, हामी आफैंलाई दिइरहेका छौं, र हाम्रो एआई सुरु गर्ने उपकरण। त्यहाँबाट, उत्पादकता, दक्षता र प्रयोगकर्ताको सन्तुष्टिले आकाशसम्म पुग्ने सम्भावना छ।
हामीले उत्कृष्ट Modelgus Large (LLM Large) को लागि सुविधा दिन्छौं कोडिङ।