OpenAI, Google AI पर ताज़ा अपडेट और डेटा साइंस के लिए इसका मतलब

Google AI और OpenAI दोनों का अत्याधुनिक AI तकनीकों को जारी करने का एक इतिहास रहा है। फिर भी ChatGPT की शुरुआत के साथ परिदृश्य बदल गया है, जिसने एक नई दौड़ छेड़ दी है जहाँ Google जैसे बड़े टेक खिलाड़ी समान AI मॉडल लॉन्च करने की भरसक कोशिश कर रहे हैं।

इस पोस्ट में, हम OpenAI और Google AI के हालिया विकासों के बारे में जानेंगे और भविष्य में क्या उम्मीद की जा सकती है। साथ ही, हम यह भी समझेंगे कि AI में प्रगति डेटा साइंस के क्षेत्र को कैसे बदल रही है और हम इसका उपयोग उत्पादकता बढ़ाने के लिए कैसे कर सकते हैं।   

OpenAI

OpenAI API एक प्लेटफ़ॉर्म है जो हमें API के माध्यम से अत्याधुनिक जेनरेटिव मॉडल्स तक पहुँचने देता है। हम DALLE-2 से उच्च-गुणवत्ता वाली छवियाँ बना सकते हैं, GPT-3 से पाठ और कोड जेनरेट कर सकते हैं, और अन्य भाषा-संबंधी कार्यों के लिए एम्बेडिंग का उपयोग कर सकते हैं। इसके अलावा, यह आपको परिणामों का मॉडरेशन करने, रेट लिमिट जोड़ने, और किसी विशिष्ट डेटासेट पर मॉडल को फाइन-ट्यून करने की सुविधा देता है। हमारे Beginner's Guide to GPT-3 ब्लॉग को पढ़कर GPT-3 के बारे में जानें।

लेखक द्वारा चित्र | स्रोत OpenAI

ये सभी वाणिज्यिक उत्पाद हैं और पे-एज़-यू-गो मॉडल पर चलते हैं, लेकिन समय-समय पर OpenAI ने कुछ ओपन-सोर्स टूल्स और मॉडल भी जारी किए हैं, जैसे:

1. Whisper: बड़े पैमाने पर कमजोर सुपरविजन का उपयोग करने वाला स्पीच रिकग्निशन मॉडल।
2. OpenAI Baselines: रिइनफोर्समेंट लर्निंग एल्गोरिद्म्स के इम्प्लीमेंटेशन। 
3. Gym: रिइनफोर्समेंट लर्निंग एल्गोरिद्म्स के विकास और मूल्यांकन के लिए टूलकिट। 
4. GPT2: पेपर “Language Models are Unsupervised Multitask Learners” का कोड और मॉडल इम्प्लीमेंटेशन
5. DALL-E: DALL·E में उपयोग किए गए डिस्क्रीट VAE के लिए PyTorch पैकेज

APIs, टूलकिट्स और बड़े लैंग्वेज मॉडल शानदार हैं, लेकिन वे ChatGPT की सफलता के आसपास भी नहीं पहुँच पाए। 

ChatGPT मॉडल को Reinforcement Learning from Human Feedback (RLHF) का उपयोग करके प्रशिक्षित किया गया, जो InstructGPT (GPT-3 का बेहतर संस्करण) के समान है, लेकिन डेटा संग्रह चरण थोड़ा अलग है। 

यह पिछले जेनरेशन के मॉडलों से कैसे अलग है? संवादात्मक AI फॉलो-अप सवाल पूछने, गलत धारणाओं को चुनौती देने, गलतियाँ स्वीकार करने और सुरक्षा उपाय दिखाने में सक्षम था।

हाल ही में, OpenAI के पार्टनर Microsoft ने ChatGPT का एक बेहतर संस्करण पेश किया है। OpenAI की इटरेटिव डिप्लॉयमेंट के साथ, हम AI तकनीकों की एक नई लहर देख रहे हैं जो हमारी जरूरतों को समझती हैं और हमें सहायता प्रदान करती हैं। 

यदि आप कृत्रिम बुद्धिमत्ता में बिल्कुल नए हैं, तो बिना कोड वाला AI Fundamentals कोर्स करें। इसमें मशीन लर्निंग की बुनियादें शामिल हैं, जैसे सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग, डीप लर्निंग, और उससे आगे। 

GPT-4

ChatGPT के अलावा, हम GPT-4 की उम्मीद कर रहे हैं, जो सबसे उन्नत बड़ा भाषा मॉडल होगा। Greylock पॉडकास्ट में, OpenAI के CEO Sam Altman ने GPT-4 के बारे में थोड़ी जानकारी साझा की। उन्होंने कहा कि ट्विटर पर GPT-4 को लेकर अफवाहें गलत हैं, इसमें 100 ट्रिलियन पैरामीटर्स नहीं होंगे, और लोग निराश होने के लिए तैयार रहें। उन्होंने यह भी बताया कि "हम GPT-4 तब रिलीज़ करेंगे जब हमें लगेगा कि यह सुरक्षित और कारगर है". 

लेखक द्वारा चित्र

GPT-4 से आप क्या उम्मीद कर सकते हैं?

• मॉडल का आकार GPT-3 से बहुत बड़ा नहीं होगा।
• नई पैरामीटरीकरण (μP) का उपयोग कर बड़े मॉडलों का अनुकूलन।
• मॉडल प्रशिक्षण में इष्टतम कम्प्यूट का उपयोग, न्यूनतम लॉस तक पहुँचने के लिए ट्रेनिंग टोकन्स की संख्या बढ़ाकर। 
• यह टेक्स्ट-ओनली मॉडल होगा। GPT-4, DALL-E 2 की तरह मल्टीमोडल नहीं होगा।
• कम्प्यूटिंग लागत कम करने के लिए इसमें स्पार्सिटी का उपयोग हो सकता है।
• ChatGPT की तरह, यह हमारी मंशाओं का बेहतर अनुसरण करेगा और हमारे मूल्यों के अनुरूप अधिक AI-अलाइन्ड होगा।

GPT-1, GPT-2, GPT-3, और GPT-4 के बारे में विस्तार से जानने के लिए हमारा Everything We Know About GPT-4 So Far पोस्ट पढ़ें। 

सुरक्षित AGI का निर्माण

StrictlyVC के साथ साक्षात्कार के दौरान, Altman ने AGI (Artificial General Intelligence) के विकास में हम कितनी दूर तक पहुँचे हैं, इस पर कुछ बातें साझा कीं। 

उन्होंने कहा: “जितना हम करीब पहुँचते हैं, जवाब देना उतना ही कठिन होता जाता है। क्योंकि मुझे लगता है कि यह लोगों की अपेक्षा से कहीं अधिक धुंधला और क्रमिक परिवर्तन होगा।”

उन्होंने AGI से जुड़ी अफवाहों का भी खंडन किया। साक्षात्कार में उन्होंने कहा कि OpenAI के पास ऐसा AGI नहीं है जो मनुष्यों की तरह सीख सके। 

लेखक द्वारा चित्र

OpenAI, सुरक्षित AGI विकसित करने की दिशा में सही मार्ग पर है, लेकिन पूर्णता से अभी दूर है। जिस AGI की लोग बात कर रहे हैं, वह एक मल्टीमोडल मॉडल है जो वाणी, पाठ, छवि और वीडियो समझ सके। यह ChatGPT, DALLE-2, Whisper, एक वीडियो जनरेशन मॉडल और अन्य रिइनफोर्समेंट लर्निंग एल्गोरिद्म्स का संयोजन होगा। 

मल्टीमोडल मॉडल्स

AGI विकसित करने के लिए, OpenAI को मल्टीमोडल मॉडलों पर काम करना होगा—सिर्फ टेक्स्ट-टू-इमेज नहीं, बल्कि टेक्स्ट-टू-वीडियो और ऑडियो-टू-वीडियो और ऑडियो पर भी। यानी आप एक स्वाभाविक आवाज़ और रूप-रंग वाले बॉट से बात कर सकेंगे। कुछ डेवलपर्स, जैसे AI-जनित Twitch स्ट्रीमर पर्सोना, यह पहले ही दिखा चुके हैं। यह परिपूर्ण नहीं है, लेकिन शुरुआत है। 

StrictlyVC कार्यक्रम के दौरान, Sam Altman ने बताया कि वे एक वीडियो मॉडल पर काम कर रहे हैं, और हम यह मान सकते हैं कि यह ऑडियो मॉडल के साथ टेक्स्ट-टू-वीडियो जनरेशन होगा, जो जटिलता की एक और परत जोड़ता है। हमारे पास पहले से ही ऐसी वीडियो जनरेशन तकनीक है जहाँ डेवलपर्स स्टेबल डिफ्यूज़न मॉडल से जनरेट किए गए फ़्रेमों को ओवरलैप कर रहे हैं। 

Google AI 

Google AI Google के इकोसिस्टम की रीढ़ है। इसका उपयोग Google Maps, फ़ोटो, ऐप्लिकेशंस और Cloud में होता है। Google, AI टूल्स और मॉडल विकसित करने में अग्रणी रहा है। ज़्यादातर उत्पाद Google Cloud पर उपलब्ध हैं—AutoML से लेकर अत्याधुनिक बड़े विज़न और भाषा मॉडलों तक। 

इसने कई टूल्स और अत्याधुनिक मॉडल भी जारी किए हैं जिन्होंने प्राकृतिक भाषा प्रोसैसिंग, स्पीच प्रोसैसिंग और कंप्यूटर विज़न के क्षेत्र को बदल दिया है। TensorFlow से लेकर BERT (Bidirectional Encoder Representations from Transformers) तक, Google ने AI और मशीन लर्निंग के अनुसंधान और विकास की नई राह बनाई है। 

Gif स्रोत: LaMDA

2020 में, Google Research ने Meena पेश किया, जो एक न्यूरल संवादात्मक मॉडल है जो संदर्भ समझता है और समझदारी से जवाब देना सीखता है। इसके बाद Google ने LaMDA मॉडल जारी किया, जो ChatGPT के समान है। यह ट्रांसफ़ॉर्मर्स पर आधारित एक क्रांतिकारी संवाद तकनीक थी, जिसे डायलॉग्स पर प्रशिक्षित किया गया था। 

हर साल हम Google से नई तकनीक देखते हैं, और भविष्य में हम एक उन्नत Google सर्च इंजन की उम्मीद कर सकते हैं जो AI Bard, भाषा, विज़न, जेनरेटिव मोड और मल्टीमोडल मॉडलों से संचालित होगा, जो AI को बहुउद्देशीय बना देगा। 

Google AI Bard

ChatGPT के लॉन्च के बाद, लोगों ने इसे ‘Google किलर’ बताने वाली अफवाहें फैलानी शुरू कर दीं। Microsoft और OpenAI की विस्तारित साझेदारी ने इसे और संभव बना दिया। Microsoft, OpenAI-संक्रमित Bing के साथ सर्च इंजन बिज़नेस में Google को चुनौती देने के लिए तैयार है। 

इसका जवाब देने के लिए, Google ने ChatGPT का अपना संस्करण Google AI Bard लॉन्च किया। हमारे ChatGPT और Google Bard की तुलना को अलग लेख में देखें। 

Gif स्रोत: Bard and new AI features

हालिया Google AI अपडेट्स में, Google और Alphabet के CEO सुंदर पिचाई ने LaMDA द्वारा संचालित Bard नामक एक नया प्रयोगात्मक संवादात्मक AI सर्विस पेश किया। Google ने घोषणा की है कि इसे विश्वसनीय टेस्टर्स को एक्सेस दिया गया है, और आने वाले हफ्तों में यह पब्लिक के लिए उपलब्ध होगा। 

Bard वेब से जानकारी लेकर उच्च-गुणवत्ता वाले उत्तर देता है। ChatGPT मॉडल के विपरीत, Bard एक ऐसी सेवा है जो दुनिया के ज्ञान को शक्ति, बुद्धिमत्ता और रचनात्मकता के साथ जोड़ती है। शुरुआती तौर पर, Google इसे LaMDA के हल्के मॉडल संस्करण के साथ जारी कर रहा है, और समय के साथ यह और अधिक शक्तिशाली भाषा मॉडल पेश करेगा।

भाषा, विज़न, और जेनरेटिव मॉडल

Google Research की हालिया रिपोर्टों के अनुसार, उन्होंने भाषा तकनीकों, कंप्यूटर विज़न और जेनरेटिव मॉडलों में प्रगति की है। 

चित्र: Google AI

• बड़े भाषा मॉडल: Pathways Language Model (PaLM) और LaMDA ने उत्साहवर्धक नतीजे दिखाए हैं, और भविष्य में आप और भी बेहतर भाषा मॉडलों की उम्मीद कर सकते हैं जिन्हें संवादात्मक AI और अन्य प्राकृतिक भाषा प्रोसैसिंग कार्यों में उपयोग किया जा सके। 
• कंप्यूटर विज़न: MaxViT (Multi-Axis Vision Transformer), Pix2Seq (ऑब्जेक्ट डिटेक्शन के लिए लैंग्वेज मॉडलिंग फ़्रेमवर्क), और बड़े मोशन फ़्रेम इंटरपोलेशन का उपयोग कर 2D से 3D इमेजिंग में प्रगति।
• इमेज जनरेशन: उन्नत फोटो-रियलिस्टिक इमेज जनरेशन मॉडल: Imagen (डिफ्यूज़न मॉडल) और Parti (ऑटोरेग्रेसिव ट्रांसफ़ॉर्मर आर्किटेक्चर)। दोनों टेक्स्ट इनपुट से इमेज पिक्सल्स जनरेट करते हैं। 
• वीडियो जनरेशन: पिछले वर्ष, Google AI ने Imagen Video और Phenaki पर काम किया। Imagen Video हाई-रिज़ॉल्यूशन वीडियो जनरेट करने के लिए कैस्केडेड डिफ्यूज़न मॉडल का उपयोग करता है, जबकि Phenaki खुले डोमेन के टेक्स्टुअल विवरण से वैरिएबल-लंबाई वाले वीडियो जनरेट करता है। 

अपना डीप लर्निंग (AI) करियर हमारे Deep Learning in Python स्किल ट्रैक से शुरू करें। यह स्किल ट्रैक चार कोर्सेज़ से मिलकर बना है जो आपकी मशीन लर्निंग स्किल को अगले स्तर तक ले जाएगा। 

मल्टीमोडल मॉडल्स

अधिकांश ML मॉडल डेटा की एक ही मोडैलिटी पर फोकस करते हैं (टेक्स्ट क्लासिफिकेशन, इमेज सेगमेंटेशन, या स्पीच रिकग्निशन)। लेकिन DALL-E 2 और Stable Diffusion के कारण, कंपनियाँ अब अत्याधुनिक नतीजे हासिल करने के लिए मल्टीमोडल मॉडलों पर ध्यान केंद्रित कर रही हैं। 

Google AI ने मोडैलिटी-विशिष्ट प्रोसेसिंग लेयर्स से डेटा गुज़ारकर और बॉटलनेक लेयर के माध्यम से अलग-अलग मोडैलिटीज़ की विशेषताओं को मिलाकर मल्टीमोडालिटी हासिल की है। मोडैलिटीज़ को मिलाने से सिंगल-मोडैलिटी टास्क्स का प्रदर्शन भी बेहतर हो सकता है। 

Gif स्रोत: Google AI

मल्टीमोडल मॉडल विकास पर Google AI की कुछ ताज़ा शोध प्रगतियाँ इस प्रकार हैं: 

• Locked-image Tuning (LiT) मौजूदा प्री-ट्रेंड इमेज मॉडलों में भाषा समझ जोड़ता है। 
• PaLI 100 से अधिक भाषाओं में कई कार्य कर सकता है, जैसे विज़ुअल प्रश्नोत्तर, इमेज कैप्शनिंग, ऑब्जेक्ट डिटेक्शन और उसका अनुवाद, इमेज क्लासिफिकेशन, आदि।  
• VDTTS एक Visually-Driven Text-To-Speech मॉडल है जो अभिनेता के मूल वीडियो फ़्रेम और टेक्स्ट लेकर ऐसा स्पीच आउटपुट जनरेट करता है जो मूल वीडियो के टाइमिंग और भावना से मेल खाए। 
• Look and Talk एक मल्टीमोडल तकनीक है जो वीडियो और ऑडियो दोनों को इनपुट के रूप में लेकर Google Assistant के साथ बातचीत को स्वाभाविक बनाती है। मॉडल कई दृश्य और ऑडियो संकेत सीखता है ताकि अधिक सटीकता से निर्धारित कर सके कि व्यक्ति Google Assistant से बात कर रहा है या नहीं।  
• 4D-Net स्वायत्त वाहनों से 3-डी पॉइंट क्लाउड डेटा को अन्य सेंसर डेटा के साथ जोड़कर परिवेश और वस्तुओं को बेहतर समझता है और बेहतर निर्णय लेता है।

हम मान सकते हैं कि भविष्य में Google इकोसिस्टम में इन मॉडलों को अपनाया जाएगा ताकि उपयोगकर्ता सहभागिता बढ़े और नए उत्पाद विकसित हों। 

AI और डेटा साइंस

आधुनिक AI को डेटा साइंस, एल्गोरिद्म्स और डेटा इंजीनियरिंग आगे बढ़ाते हैं। ChatGPT और LaMDA जैसी अत्याधुनिक तकनीक बनाने के लिए, हमें बुनियाद से शुरू करना होगा—यह समझना होगा कि डेटा को कैसे संभालें, विभिन्न प्राकृतिक भाषा प्रोसैसिंग और रिइनफोर्समेंट लर्निंग तकनीकें कैसे लागू करें, डीप लर्निंग एल्गोरिद्म्स और ट्रांसफ़ॉर्मर्स तथा मॉडल ऑप्टिमाइज़ेशन के बारे में सीखें।

अपना डेटा साइंस करियर Data Scientist with Python करियर ट्रैक पूरा करके शुरू करें। यह आपको प्रोफ़ेशनल डेटा साइंटिस्ट बनने के लिए आवश्यक स्किल्स सिखाएगा।

लेखक द्वारा चित्र

तो, अब उस बड़े सवाल का जवाब दें। क्या AI डेटा साइंटिस्ट्स, एनालिस्ट्स या इंजीनियर्स की जगह ले लेगा? सीधा जवाब है “नहीं।” शायद बहुत दूर के भविष्य में, लेकिन तब भी हमारे पास अलग तरह की नौकरियाँ होंगी—ज्यादा रचनात्मक और निर्णय-निर्धारण वाली। AI के विकास के साथ हम भी आगे बढ़ेंगे।

GitHub Copilot, DALL-E 2, ChatGPT और अन्य अत्याधुनिक तकनीकें हमारी सहायता के लिए हैं। ये हमें अधिक उत्पादक और कुशल बनाने आई हैं। 

Andrej Karpathy, जो पहले Tesla और OpenAI में AI निदेशक रहे हैं, कहते हैं:

“Copilot ने मेरी कोडिंग को नाटकीय रूप से तेज़ कर दिया है, ‘मैनुअल कोडिंग’ पर लौटना मुश्किल लगता है। अभी भी इसे सीख रहा हूँ, लेकिन यह पहले से ही मेरा ~80% कोड ~80% सटीकता के साथ लिखता है। मैं वास्तव में कोड नहीं लिखता, मैं प्रॉम्प्ट करता हूँ और एडिट करता हूँ।” - Twitter

यह दिखाता है कि जो लोग तकनीक समझते हैं, वे प्रोग्रामिंग, लॉजिक, डेटा विश्लेषण और निर्णय-निर्धारण में बेहतर बनने के लिए इसका उपयोग करेंगे। 

डेटा साइंटिस्ट्स AI का उपयोग कैसे कर सकते हैं?

1. उपयोगकर्ता गोपनीयता बनाए रखते हुए वास्तविक जीवन का डेटा जनरेट करना।
2. सुगठित और कुशल कोड लिखना।
3. प्रोडक्ट का प्रोटोटाइप बनाना।
4. प्रॉम्प्ट्स का उपयोग कर बेहतर डेटा विश्लेषण करना। 
5. नेचुरल लैंग्वेज का उपयोग करके जटिल SQL क्वेरीज़ जनरेट करना। 
6. गैर-तकनीकी स्टेकहोल्डर्स के लिए बेहतर रिपोर्ट तैयार करना।
7. व्याख्या सहित जटिल सांख्यिकीय विश्लेषण करना।
8. नई प्रोग्रामिंग भाषाएँ, स्किल्स, फ़्रेमवर्क्स और कॉन्सेप्ट्स सीखना। 
9. AI-चालित AutoML और मॉडल ऑप्टिमाइज़िंग टूल्स का उपयोग कर अत्याधुनिक ML समाधान बनाना।
10. समय बचाने और गलतियों से बचने के लिए ऑटोमेशन स्क्रिप्ट्स बनाना। 

AI में प्रगति का नया दौर

Microsoft ने OpenAI के साथ साझेदारी में ChatGPT को नए Bing सर्च इंजन में एकीकृत किया है, जिसे वेब के लिए कोपायलट कहा जा रहा है। इस घोषणा के साथ, तकनीकी वर्चस्व हासिल करने की नई दौड़ शुरू हो गई है।

Microsoft, ChatGPT और अन्य GPT मॉडलों को अपने इकोसिस्टम में एकीकृत करने की योजना बना रहा है। इससे बहुत कुछ बदल जाएगा क्योंकि उपयोगकर्ताओं को ऐप्लिकेशन से बाहर भी नहीं जाना पड़ेगा। वे सिर्फ बॉट से चैट करके सर्च कर पाएँगे, कंटेंट जोड़ेंगे, संपादित करेंगे और नए आइडियाज़ लाएँगे। 

Bing Copilot डेमो

पेरिस इवेंट में, Google ने Bard नाम से ChatGPT का अपना संस्करण लॉन्च किया। यह हल्के LaMDA द्वारा संचालित है। Bard, Microsoft के वेब कोपायलट के काफी समान है; यह Google के सर्च इंजन में एकीकृत है और समान सुविधाएँ प्रदान करता है। 

AI में प्रगति की कमियाँ

• GPT जैसे बड़े भाषा मॉडल भविष्य में दुष्प्रचार अभियानों के लिए उपयोग किए जा सकते हैं -openai.com। इसमें शारीरिक और भावनात्मक दोनों तरह का नुकसान पहुँचाने की क्षमता है।
• AI से जनरेटेड कंटेंट SEO के लिए ऑप्टिमाइज़्ड होता है और पकड़ना कठिन। छात्र और प्रोफेशनल्स इसे बिना कॉन्सेप्ट सीखे या समझे मौलिक कार्य बनाने में उपयोग कर रहे हैं। शिक्षा-संबंधी जोखिमों और अवसरों के बारे में अधिक पढ़ें OpenAI API डाक्यूमेंटेशन में।
• कॉपीराइट मुद्दे वास्तविक हैं। इन मॉडलों को ऑनलाइन उपलब्ध टेक्स्ट पर प्रशिक्षित किया गया है, जिनमें से कुछ संरक्षित संपत्तियाँ हैं। आप सिर्फ AI की प्रगति का हवाला देकर किसी और के काम की चोरी को जायज़ नहीं ठहरा सकते। 
• कभी-कभी AI तथ्यात्मक रूप से गलत जवाब देता है। यदि भविष्य में इन मॉडलों को क़ानून प्रवर्तन विभाग में लागू कर दिया गया तो इससे बड़े मुद्दे खड़े हो सकते हैं। 

इन समस्याओं का समाधान होगा, और हम AI के उपयोग को विनियमित करने वाले नए क़ानून देखेंगे। स्कूल और कंटेंट प्लेटफ़ॉर्म पहले ही AI-जनित कंटेंट पर नीतियाँ लागू करना शुरू कर चुके हैं। 

तो, हम क्या कर सकते हैं? हम इन नई तकनीकों के बारे में सीखना शुरू कर सकते हैं और उनका नैतिक उपयोग कर सकते हैं। आप हमारे AI सीखने की शुरुआत Machine Learning Scientist with Python करियर ट्रैक में दाखिला लेकर कर सकते हैं। यह करियर ट्रैक आपको AI इंजीनियर की नौकरी पाने के लिए ज़रूरी मशीन लर्निंग स्किल्स सिखाएगा।