What is Generative AI

 

जेनेरेटिभ एआई (Generative AI) एक प्रकारको कृत्रिम बुद्धिमत्ता (Artificial Intelligence) प्रणाली हो जसले ठूलो मात्रामा अवस्थित डेटा (data) बाट ढाँचाहरू (patterns) सिकेर पाठ (text), छवि (image), भिडियो (video), वा सङ्गीत (music) जस्ता नयाँ र मौलिक सामग्री (original content) सिर्जना गर्छ। परम्परागत एआईले डेटाको विश्लेषण वा वर्गीकरण (classification) गर्ने गर्दथ्यो भने, जेनेरेटिभ एआईले नयाँ आउटपुटहरू (outputs) उत्पादन गर्दछ। यसका उदाहरणहरूमा ChatGPT (मानव-जस्तो कुराकानी र लेख उत्पादनका लागि), DALL-E वा Midjourney (पाठ्य विवरणबाट यथार्थपरक वा कलात्मक छविहरू सिर्जना गर्नका लागि), र सङ्गीत रचना गर्ने एआई उपकरणहरू समावेश छन्। यसले सिर्जनात्मक कार्यहरूमा सहयोग पुर्‍याउँछ र सामग्री उत्पादनलाई स्वचालित (automate) बनाउँछ।

Generative AI कसरी काम गर्छ?

 

जेनेरेटिभ एआईले मुख्यतया गहिरो सिकाइ (Deep Learning) मोडेलहरू, विशेष गरी न्युरल नेटवर्कहरू (Neural Networks) प्रयोग गरेर काम गर्छ। यस प्रक्रियामा, एआईलाई ठूला डेटासेटहरू (datasets) मा प्रशिक्षित (train) गरिन्छ। उदाहरणका लागि, पाठ-उत्पन्न गर्ने एआई (जस्तै: ठूला भाषा मोडेलहरू - Large Language Models वा LLMs) लाई इन्टरनेटमा उपलब्ध करोडौँ पाठहरूको डेटामा प्रशिक्षित गरिन्छ। तालिमको क्रममा, मोडेलले ती डेटामा भएका शब्दहरू, वाक्यहरूको संरचना र तिनका सम्बन्धहरू (relationships) सिक्छ।

 

जब एक प्रयोगकर्ताले प्रम्प्ट (prompt) अर्थात् अनुरोध (input) गर्छ, मोडेलले सिकेका ढाँचाहरूको आधारमा, दिइएको प्रम्प्टको लागि सबैभन्दा उपयुक्त र सम्भावित (probable) अर्को शब्द वा पिक्सेल (pixel) के हुन सक्छ भनी भविष्यवाणी (predict) गर्छ र त्यसलाई एक-एक गरी जोड्दै नयाँ र सुसंगत (coherent) सामग्री सिर्जना गर्छ। यसका लागि ट्रान्सफर्मर (Transformer) आर्किटेक्चर जस्ता उन्नत न्युरल नेटवर्कहरू प्रयोग गरिन्छ, जसले इनपुट (input) को सम्पूर्ण सन्दर्भ (context) लाई ध्यानमा राख्न सक्छ।

विद्यार्थीहरूको लागि उत्कृष्ट प्रम्प्ट कसरी लेख्ने??

 

विद्यार्थीहरूका लागि उत्कृष्ट प्रम्प्ट (prompt) लेख्दा सधैँ विशिष्ट (specific), सन्दर्भपूर्ण (contextual) र संरचनात्मक (structured) हुन जरुरी छ, ताकि जेनेरेटिभ एआई (Generative AI) ले सही शैक्षिक आउटपुट (educational output) दिन सकोस्। प्रम्प्टमा एआईलाई 'शिक्षक' वा 'विषय विशेषज्ञ' जस्ता भूमिका (role) दिनुहोस्, त्यसपछि विद्यार्थीको स्तर (level) (जस्तै: कक्षा १० को लागि) उल्लेख गर्दै, चाहेको कार्य (task) (जस्तै: सारांश लेख्ने, अवधारणा बुझाउने) स्पष्ट रूपमा बताउनुहोस् र अन्त्यमा, नतिजा कस्तो ढाँचामा (format) चाहिएको हो (जस्तै: बुँदागत सूची वा १५० शब्दको अनुच्छेद) त्यो तोक्नुहोस् (specify), जसले गर्दा जवाफ सटीक (accurate) र सम्बन्धित (relevant) होस्।

AI, ML, and DL

 

कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI), जसलाई बुद्धिमत्ताको अनुकरण (Imitation of Intelligence) पनि भनिन्छ, कम्प्युटर विज्ञानको त्यो फराकिलो क्षेत्र हो जसको उद्देश्य मानव जस्तै तर्क गर्न, सिक्न, समस्या समाधान गर्न र निर्णयहरू लिन सक्ने मेसिनहरू सिर्जना गर्नु हो।

 

मेसिन लर्निङ (Machine Learning - ML), AI को एउटा उपसेट (subset) हो, जसले मेसिनहरूलाई स्पष्ट रूपमा प्रोग्रामिङ (programming) नगरिकन डेटा (data) बाट सिक्ने क्षमता प्रदान गर्छ। यसले गणितीय मोडेलहरू र एल्गोरिदमहरू (algorithms) प्रयोग गरेर ढाँचाहरू (patterns) पहिचान गर्छ र भविष्यका भविष्यवाणीहरू (predictions) गर्न सिक्छ।

 

डिप लर्निङ (Deep Learning - DL), ML को एक विशिष्ट उपक्षेत्र (subfield) हो, जसले जटिल, बहु-तह न्युरल नेटवर्कहरू (multi-layered Neural Networks) प्रयोग गर्दछ जसलाई गहिरो न्युरल नेटवर्क (deep neural networks) भनिन्छ। यी नेटवर्कहरू ठूलो मात्रामा असंगठित डेटा (unstructured data) बाट स्वचालित रूपमा जटिल विशेषताहरू (complex features) सिक्न र तिनको प्रतिनिधित्व (representation) गर्न सक्षम हुन्छन्, र यही कारणले गर्दा छवि पहिचान (image recognition), प्राकृतिक भाषा प्रशोधन (Natural Language Processing - NLP), र जेनेरेटिभ एआई (Generative AI) जस्ता कार्यहरूमा यसको व्यापक प्रयोग हुन्छ।

 

संक्षेपमा: AI ठूलो क्षेत्र हो, ML AI को एउटा तरिका हो, र DL ML को एउटा विशेष र शक्तिशाली विधि हो।

 

अल्गोरिदम (Algorithm) को परिभाषा

 

एक अल्गोरिदम (Algorithm) भनेको कुनै पनि विशेष समस्या (problem) समाधान गर्न वा कार्य (task) पूरा गर्नका लागि पालना गरिने स्पष्ट, चरण-बद्ध निर्देशनहरूको एक सेट (set of clear, step-by-step instructions) हो। यो वास्तवमा कम्प्युटर प्रोग्रामिङ (computer programming) वा गणित (mathematics) मा प्रयोग हुने एक विधि (method) हो, जहाँ दिएको इनपुट (input) लाई प्रशोधन (process) गरेर एउटा निश्चित आउटपुट (output) मा पुग्न सकिन्छ। अल्गोरिदमहरू अस्पष्ट (vague) नभई निश्चित हुनुपर्छ र सीमित समयमा (in a finite amount of time) सधैँ समाप्त हुनुपर्छ।

 

उदाहरणका लागि, बिहान चिया बनाउने प्रक्रिया (process), दुई सङ्ख्याहरूलाई जोड्ने (adding two numbers) विधि, वा इन्टरनेटमा सबैभन्दा छोटो बाटो पत्ता लगाउने (finding the shortest route) Google Maps को तरिका - यी सबै अल्गोरिदमहरूका उदाहरण हुन्।