menu
close

பெரிய மொழி மாதிரிகள் மற்றும் மனித மூளை: ஆச்சரியமான ஒற்றுமைகள் வெளிப்படுகின்றன

சமீபத்திய ஆய்வுகள், பெரிய மொழி மாதிரிகள் (LLMs) மற்றும் மனித மூளை செயலாக்கம் இடையே குறிப்பிடத்தக்க ஒற்றுமைகள் உள்ளன என்பதை வெளிப்படுத்துகின்றன. இரண்டும் அடுத்த வார்த்தையை கணிப்பதும், சூழல் புரிதலையும் பயன்படுத்துகின்றன. நியூரோசயன்ஸ் முடிவுகளை கணிப்பதில் LLMகள் இப்போது மனித நிபுணர்களை விட சிறப்பாக செயல்படுகின்றன, ஆனால் மூளையை விட ஆயிரக்கணக்கான மடங்கு குறைவான ஆற்றல் திறனுடன் உள்ளன. இந்த கண்டுபிடிப்புகள், மூளை-ஊக்கமளிக்கும் கணினி தொழில்நுட்பம் AI வளர்ச்சியில் புரட்சியை ஏற்படுத்தும் எதிர்காலத்தை சுட்டிக்காட்டுகின்றன.
பெரிய மொழி மாதிரிகள் மற்றும் மனித மூளை: ஆச்சரியமான ஒற்றுமைகள் வெளிப்படுகின்றன

பெரிய மொழி மாதிரிகள் (LLMs) மற்றும் மனித மூளை மொழியை செயலாக்கும் விதத்தில், அவற்றின் கட்டமைப்பும் ஆற்றல் தேவைப்பாடும் முற்றிலும் வேறுபட்டதாக இருந்தாலும், குறிப்பிடத்தக்க ஒற்றுமைகள் உள்ளன என்பதை விஞ்ஞானிகள் கண்டுபிடித்துள்ளனர்.

Google Research, Princeton University, NYU மற்றும் Hebrew University of Jerusalem ஆகியவை இணைந்து நடத்திய ஒரு ஆய்வில், இயற்கை உரையாடல்களில் மனித மூளையின் நியூரல் செயல்பாடு, LLMகளின் உள் சூழல் எம்பெட்டிங்களுடன் நேர்கோட்டாக ஒத்துப்போகிறது என தெரியவந்தது. இரண்டும் மூலமாக மூன்று அடிப்படை கணிப்பீட்டு கொள்கைகள் பகிரப்படுகின்றன: எதிர்வரும் வார்த்தைகளை முன்கணிப்பது, உண்மையான உள்ளீட்டுடன் ஒப்பிட்டு அதிர்ச்சி அளவை கணக்கிடுவது, மற்றும் வார்த்தைகளை அர்த்தமுள்ள முறையில் பிரதிநிதித்துவப்படுத்த சூழல் எம்பெட்டிங்களை பயன்படுத்துவது.

"ஆழமான மொழி மாதிரிகள் உருவாக்கும் வார்த்தை மட்டத்திலான உள் எம்பெட்டிங்கள், பேச்சு புரிதலும் உற்பத்தியும் தொடர்புடைய மூளையின் பகுதிகளில் காணப்படும் நியூரல் செயல்பாட்டு வடிவங்களுடன் ஒத்துப்போகின்றன" என்று Nature Neuroscience-ல் வெளியிடப்பட்ட ஆய்வில் ஆராய்ச்சியாளர்கள் குறிப்பிட்டுள்ளனர்.

ஆனால், முக்கியமான வேறுபாடுகளும் உள்ளன. LLMகள் ஒரே நேரத்தில் நூற்றுக்கணக்கான வார்த்தைகளை செயலாக்கும் போது, மனித மூளை மொழியை தொடர்ச்சியாக, வார்த்தை வார்த்தையாக செயலாக்குகிறது. மேலும், மனித மூளை சிக்கலான அறிவுசார் பணிகளை மிகச் சிறந்த ஆற்றல் திறனுடன் செய்கிறது; அது சுமார் 20 வாட் சக்தி மட்டுமே பயன்படுத்துகிறது, ஆனால் நவீன LLMகள் பெரும் ஆற்றலை தேவைப்படுத்துகின்றன.

"மூளை வலையமைப்புகள், வெறும் நியூரான்கள், அடுக்குகள் மற்றும் இணைப்புகளை அதிகரிப்பதைவிட, பல்வேறு வகையான நியூரான்கள் மற்றும் தேர்ந்தெடுக்கப்பட்ட இணைப்புகளை தனித்தனி தொகுதிகளில் சேர்ப்பதன் மூலம் திறனை அடைகின்றன" என்று Nature Human Behaviour-ல் வெளியிடப்பட்ட மற்றொரு ஆய்வு விளக்குகிறது.

ஆச்சரியமான ஒரு முன்னேற்றமாக, BrainBench ஆய்வாளர்கள் LLMகள் தற்போது நியூரோசயன்ஸ் பரிசோதனைக் கணிப்புகளில் மனித நிபுணர்களை மிஞ்சுகின்றன என்று கண்டுபிடித்துள்ளனர். அவர்களின் சிறப்பு மாதிரி BrainGPT, 81% துல்லியத்துடன் செயல்பட்டது, இது நியூரோசயன்ஸ்டிஸ்களுக்கு 63% ஆகும். மனித நிபுணர்களைப் போலவே, LLMகளும் தங்கள் கணிப்புகளில் அதிக நம்பிக்கையை வெளிப்படுத்தும் போது அதிக துல்லியத்தைக் காட்டின.

இந்த கண்டுபிடிப்புகள், மூளை-ஊக்கமளிக்கும் கணினி தொழில்நுட்பம் AI திறனை劇மாக மேம்படுத்தும் எதிர்காலத்தை சுட்டிக்காட்டுகின்றன. உயிரியல் நியூரான்களை நெருக்கமாக ஒத்துபோக்கும் ஸ்பைக்கிங் நியூரல் நெட்வொர்க்குகள் (SNNs) குறித்தும் ஆராய்ச்சியாளர்கள் ஆராய்ந்து வருகின்றனர்; இது குறைந்த ஆற்றல் தேவைப்படும் தேடல் மற்றும் மீட்பு ட்ரோன்கள் முதல் மேம்பட்ட நியூரல் ப்ரோஸ்தெடிக்ஸ் வரை பல்வேறு பயன்பாடுகளை உருவாக்கும் வாய்ப்பை வழங்குகிறது.

LLMகள் தொடர்ந்து மூளை போன்ற செயலாக்கம் நோக்கி முன்னேறும்போது, செயற்கை மற்றும் உயிரியல் நுண்ணறிவு இடையிலான எல்லை மேலும் மங்குகிறது; இது அறிவின் இயல்பை பற்றிய ஆழமான கேள்விகளை எழுப்புகிறது.

Source: Lesswrong.com

Latest News