જનરેટિવ AI

વ્યાખ્યા

જનરેટિવ AI એ કૃત્રિમ બુદ્ધિ પ્રણાલીઓનો ઉલ્લેખ કરે છે જે હાલના ડેટામાંથી પેટર્ન શીખીને ટેક્સ્ટ, છબીઓ, વિડિઓ અથવા સંગીત જેવી નવી સામગ્રી બનાવે છે. પરંપરાગત AI થી વિપરીત, તે ફક્ત ઇનપુટ્સનું વિશ્લેષણ અથવા વર્ગીકરણ કરવાને બદલે નવા આઉટપુટ ઉત્પન્ન કરે છે.

હેતુ

તેનો હેતુ સર્જનાત્મક કાર્યોમાં મદદ કરવાનો, સામગ્રીનું ઉત્પાદન સ્વચાલિત કરવાનો અને માનવ ઉત્પાદકતા વધારવાનો છે. તેનો વ્યાપકપણે ડિઝાઇન, લેખન, મનોરંજન અને વૈજ્ઞાનિક શોધમાં ઉપયોગ થાય છે.

મહત્વ

• ડોમેન્સમાં ઝડપી પ્રોટોટાઇપિંગ અને સર્જનાત્મકતાને સક્ષમ કરે છે.
• સામગ્રી નિર્માણમાં મેન્યુઅલ પ્રયાસ ઘટાડે છે.
• ખોટી માહિતી, કૉપિરાઇટ અને દુરુપયોગ અંગે ચિંતા વ્યક્ત કરે છે.
• GAN, VAE અને મોટા ભાષા મોડેલ જેવા મોડેલો સાથે ગાઢ રીતે સંબંધિત.

તે કેવી રીતે કામ કરે છે

1. મોટા તાલીમ ડેટાસેટ્સ એકત્રિત કરો અને પ્રીપ્રોસેસ કરો.
2. ટ્રેન જનરેટિવ મોડેલ્સ (દા.ત., GAN, ટ્રાન્સફોર્મર્સ, ડિફ્યુઝન મોડેલ્સ).
3. તાલીમ ડેટાના સંભાવના વિતરણો શીખો.
4. નવા આઉટપુટ જનરેટ કરવા માટે મોડેલનો નમૂનો લો અથવા પ્રોમ્પ્ટ કરો.
5. વપરાશકર્તા પ્રતિસાદ અથવા પોસ્ટ-પ્રોસેસિંગ સાથે આઉટપુટને રિફાઇન કરો.

ઉદાહરણો (વાસ્તવિક દુનિયા)

• DALL·E (OpenAI): ટેક્સ્ટ પ્રોમ્પ્ટમાંથી છબીઓ જનરેટ કરે છે.
• સ્થિર પ્રસરણ: ઓપન-સોર્સ ટેક્સ્ટ-ટુ-ઇમેજ જનરેશન.
• ચેટજીપીટી: માનવ જેવા ટેક્સ્ટ પ્રતિભાવો જનરેટ કરે છે.

સંદર્ભો / વધુ વાંચન

• "ધ્યાન ફક્ત એટલું જ જરૂરી છે" — વાસવાણી અને અન્ય, ન્યુરિપ્સ 2017.
• જનરેટિવ એઆઈ લેન્ડસ્કેપ — સ્ટેનફોર્ડ માનવ-કેન્દ્રિત એઆઈ.
• ગુડફેલો અને અન્ય. ડીપ લર્નિંગ. એમઆઈટી પ્રેસ.
• જનરેટિવ AI તાલીમ ડેટા