AI Bot Search

চ্যাট জেনারেটিভ প্রাক-প্রশিক্ষিত ট্রান্সফরমার, যাকে সাধারণত ChatGPT বলা হয়, এটি একটি চ্যাটবট যা OpenAI দ্বারা 2022 সালের নভেম্বরে চালু করা হয়েছে। এটি OpenAI-এর GPT-3 পরিবারের বৃহৎ ভাষা মডেলের উপরে তৈরি করা হয়েছে, এবং এটি সূক্ষ্ম-টিউন করা হয়েছে (শিক্ষা স্থানান্তর করার পদ্ধতি)। উভয় তত্ত্বাবধান এবং শক্তিবৃদ্ধি শেখার কৌশল.

ChatGPT একটি প্রোটোটাইপ হিসাবে 30 নভেম্বর, 2022-এ চালু করা হয়েছিল এবং জ্ঞানের অনেক ডোমেন জুড়ে এর বিশদ প্রতিক্রিয়া এবং স্পষ্ট উত্তরগুলির জন্য দ্রুত মনোযোগ আকর্ষণ করেছে। এর অসম বাস্তব নির্ভুলতা একটি উল্লেখযোগ্য ত্রুটি হিসাবে চিহ্নিত করা হয়েছিল। ChatGPT প্রকাশের পর, OpenAI এর মূল্য ছিল $29 বিলিয়ন

প্রশিক্ষণ

তত্ত্বাবধানে শিক্ষার পাশাপাশি রিইনফোর্সমেন্ট লার্নিং ব্যবহার করে GPT-3.5-এর উপরে চ্যাটজিপিটি সূক্ষ্ম-টিউন করা হয়েছে। উভয় পদ্ধতিই মডেলের কর্মক্ষমতা উন্নত করতে মানব প্রশিক্ষকদের ব্যবহার করেছে। তত্ত্বাবধানে শেখার ক্ষেত্রে, মডেলটি কথোপকথনের সাথে সরবরাহ করা হয়েছিল যেখানে প্রশিক্ষকরা উভয় পক্ষই খেলেছেন: ব্যবহারকারী এবং এআই সহকারী। শক্তিবৃদ্ধি পদক্ষেপে, মানব প্রশিক্ষকরা প্রথম প্রতিক্রিয়াগুলিকে র‌্যাঙ্ক করেছেন যা মডেলটি পূর্ববর্তী কথোপকথনে তৈরি করেছিল। এই র‌্যাঙ্কিংগুলি 'পুরস্কার মডেল' তৈরি করতে ব্যবহার করা হয়েছিল যে মডেলটিকে প্রক্সিমাল পলিসি অপ্টিমাইজেশান (পিপিও) এর বেশ কয়েকটি পুনরাবৃত্তি ব্যবহার করে আরও সূক্ষ্ম সুর করা হয়েছিল। প্রক্সিমাল পলিসি অপ্টিমাইজেশান অ্যালগরিদমগুলি অঞ্চল নীতি অপ্টিমাইজেশান অ্যালগরিদমগুলিকে বিশ্বাস করার জন্য একটি সাশ্রয়ী সুবিধা উপস্থাপন করে; তারা দ্রুত কর্মক্ষমতা সহ গণনাগতভাবে অনেক ব্যয়বহুল অপারেশনকে অস্বীকার করে। মডেলগুলি মাইক্রোসফ্টের সাথে তাদের Azure সুপারকম্পিউটিং অবকাঠামোতে সহযোগিতায় প্রশিক্ষিত হয়েছিল।

উপরন্তু, OpenAI ChatGPT ব্যবহারকারীদের কাছ থেকে ডেটা সংগ্রহ করে চলেছে যা আরও প্রশিক্ষণ এবং চ্যাটজিপিটি সূক্ষ্ম-টিউন করতে ব্যবহার করা যেতে পারে। ব্যবহারকারীরা ChatGPT থেকে প্রাপ্ত প্রতিক্রিয়াগুলিকে আপভোট বা ডাউনভোট করার অনুমতি দেয়; আপভোটিং বা ডাউনভোটিং করার পরে, তারা অতিরিক্ত প্রতিক্রিয়া সহ একটি পাঠ্য ক্ষেত্রও পূরণ করতে পারে।