আগের পোস্টে আমরা Minotaur-এর পরিচয় দিয়েছিলাম, যা ELC-এর ওপর ভিত্তি করে তৈরি একটি AI স্থাপত্য এবং যা ভবিষ্যদ্বাণীর বদলে পরিমাপের মাধ্যমে তার উত্তর বের করে। আমরা দেখিয়েছিলাম কীভাবে এটি প্রকৃত বিধিমালাকে সেগুলোর প্রয়োগের নথির সঙ্গে মিলিয়ে দেখে, কোন প্রতিষ্ঠান কোন নিয়ম ভেঙেছে, কতটা এবং কোথায়, এবং কীভাবে একটি ভাঙা নিয়মকে একটি ভুলভাবে লিপিবদ্ধ পরিমাপ থেকে আলাদা করে।
আজকের ভাষা মডেলগুলো আরও বিস্তৃত একটি ক্ষমতার জন্য প্রশংসিত: তারা অনুমান করতে পারে, ব্যাখ্যা করতে পারে, রোগ নির্ণয় করতে পারে, কোনো প্রস্তাবনার ওজন বিচার করতে পারে, কল্পনা করতে পারে যে জিনিসগুলো ভিন্ন হলে কী ঘটত, এবং নতুন তথ্য পেলে মত বদলাতে পারে। লেখকদের যুক্তি, Minotaur-এর মস্তিষ্ক সাধারণত বৃহৎ ভাষা মডেলের জন্য যে প্রধান ধরনের যুক্তিকে কৃতিত্ব দেওয়া হয় তা সম্পাদন করে, যার মধ্যে আছে অবরোহী, আরোহী ও অপহরণমূলক যুক্তি, রোগনির্ণয় এবং সেই ইতিহাস নিয়ে যুক্তি যেখানে প্রশ্ন করাটাই উত্তর বদলে দেয়। এসব এটি একটি নেটওয়ার্কের ওপর একটি মাত্র কার্যক্রম দিয়ে, একটি সাধারণ প্রসেসর কোরে, বর্ণিত ব্যবস্থায় প্রতি প্রশ্নে প্রায় সিকি সেকেন্ডে করে।
যারা কখনও এর কোড দেখেননি, তাদের লেখা অন্ধ পরীক্ষায় Minotaur শব্দে যুক্তি দেওয়া একটি বর্তমান ভাষা মডেলের সমকক্ষ প্রমাণিত হয়েছে: একটি পুলিশি জিজ্ঞাসাবাদে, যেখানে প্রশ্নগুলো সাক্ষীর স্মৃতি বদলে দেয়, এবং শুধু তাদের ডেটা থেকে শেখা, রোগনির্ণয় ও পূর্বাভাস দেওয়া ব্যবস্থায়। পোস্টটি এর সঙ্গে তুলনা করে কীভাবে একটি বৃহৎ ভাষা মডেলকে লেখার পরের শব্দ অনুমান করতে প্রশিক্ষণ দেওয়া হয়, যার অর্থ সে মানুষের শক্তি ও দুর্বলতা দুটোই উত্তরাধিকারসূত্রে পায়, যেমন বিশ্বাসযোগ্য মনে হওয়া সিদ্ধান্ত বা প্রশ্নের কাঠামো দ্বারা প্রভাবিত হওয়া।
পোস্টটি যন্ত্রিক যুক্তির আগের সত্তর বছরের প্রচেষ্টাও তুলে ধরে। ১৯৫৬ সালে অ্যালেন নিউয়েল, ক্লিফ শ' ও হার্বার্ট সাইমনের Logic Theorist থেকে শুরু করে, এই প্রচেষ্টাগুলো একটি নির্দিষ্ট পর্যায় পর্যন্ত এগিয়ে থেমে গিয়েছিল, এবং লেখক এটিকে ব্যাখ্যা হিসেবে ব্যবহার করেন কেন ভাষা মডেল প্রাধান্য পেল। ভাষা মডেলের আগের বেশিরভাগ পদ্ধতির লক্ষ্যই ছিল নির্ভুল, যাচাইযোগ্য যুক্তি।
কেন্দ্রীয় দাবি হলো, Minotaur যে ব্যবস্থা নিয়ে যুক্তি করে তার গঠনের ওপর কাজ করে যুক্তি করে, মানুষ কীভাবে তাদের চিন্তা লিখে রাখে তা অনুকরণ করে নয়।
উৎস: Hacker News · সারাংশ: HeadlinesBriefing