नवीनतम अपडेट और प्रमुख एआई कवरेज पर विशिष्ट सामग्री के लिए हमारे दैनिक और साप्ताहिक समाचार पत्र में शामिल हों। और अधिक जानें
DEEPSK-R1 के परेशान करने वाले डेब्यू के मद्देनजर, लॉजिक मॉडल 2025 में अब तक सभी गुस्से में रहे हैं।
आईबीएम अब पार्टी में शामिल हो रहा है, अपने ग्रेनाइट 2.1 बड़े भाषा मॉडल (एलएलएम) परिवार की शुरुआत के साथ। अन्य तर्क दृष्टिकोणों जैसे कि डीपस्क-आर 1 या ओपनईएआई के ओ 3 के विपरीत, आईबीएम अपने मुख्य ओपन सोर्स ग्रेनाइट मॉडल में एम्बेडेड है। यह एक दृष्टिकोण है कि आईबीएम एक सशर्त तर्क को संदर्भित करता है, जहां चरण-दर-चरण श्रृंखला सोच (COT) तर्क मॉडल में एक विकल्प है (जैसा कि एक अलग मॉडल होने के विपरीत)।
यह एक लचीला दृष्टिकोण है जहां तर्क को ध्वज के साथ सशर्त रूप से सक्रिय किया जा सकता है, जिससे उपयोगकर्ता अधिक गहन प्रक्रिया का उपयोग करते समय नियंत्रित कर सकते हैं। नई तर्क क्षमताएं, दिसंबर 2024 में, ग्रेनाइट 3.1 एलएलएम की रिलीज के साथ प्रस्तुत आईबीएम प्रदर्शन लाभ पर बनाती हैं।
आईबीएम ग्रेनाइट 2.1 भी परिवार में एक नया विजन मॉडल जारी करता है, विशेष रूप से दस्तावेज़ प्रक्रिया के लिए इष्टतम ptimized। मॉडल विशेष रूप से विरासत दस्तावेजों को डिजिटल करने के लिए उपयोगी है, जो कई बड़े निकायों के साथ संघर्ष करते हैं।
एक अन्य उद्यम एआई चुनौती आईबीएम का उद्देश्य ग्रेनाइट 3.2 के साथ हल करना है जो कि पूर्वानुमान मॉडलिंग है। मशीन लर्निंग (एमएल) का उपयोग भविष्यवाणियों के लिए दशकों से किया गया है, लेकिन एक प्राकृतिक भाषा इंटरफ़ेस और आधुनिक सामान्य एआई का उपयोग करना आसान नहीं है। यह वह जगह है जहां आईबीएम की ग्रेनाइट टाइम सीरीज़ मॉडल को फिट करने की भविष्यवाणी करती है; वे समय-आधारित डेटा से भविष्य के मूल्यों की भविष्यवाणी करने के लिए ट्रांसफार्मर तकनीक लागू करते हैं।
आईबीएम अनुसंधान के एआई मॉडल के लिए वीपी डेविड कॉक्स ने वेंचरबिट को बताया, “लॉजिक एक मॉडल नहीं है, यह कुछ है, जो मॉडल है।”
आईबीएम का तर्क वास्तव में एंटरप्राइज एआई में लाता है
जबकि 2025 में लॉजिक मॉडल के आसपास उत्साह और प्रचार की कमी नहीं है, लॉजिक उद्यम उपयोगकर्ताओं को मूल्य प्रदान नहीं करता है।
कई मामलों में, तर्क की क्षमता लंबे समय से सामान्य एआई का हिस्सा रही है। बस एलएलएम से एक चरण-दर-चरण दृष्टिकोण का जवाब देने के लिए कह रहा है कि मूल सीओटी तर्क आउटपुट को ट्रिगर करता है। डीपस्क-आर 1 और अब ग्रेनाइट 2 जैसे मॉडल। 1 आधुनिक तर्क, तर्क क्षमताओं का उपयोग करके थोड़ा चलते हैं और सक्षम करने के लिए सुदृढीकरण सीखते हैं।
जबकि COT संकेत कुछ कार्यों जैसे गणित के लिए प्रभावी हो सकते हैं, ग्रेनाइट 2.1 में तर्क क्षमताएं उद्यम अनुप्रयोग की एक विस्तृत श्रृंखला को लाभान्वित कर सकती हैं। कॉक्स ने नोट किया है कि मॉडल को अधिक समय सोचने के लिए प्रोत्साहित करके, उद्यम जटिल निर्णय की प्रक्रिया में सुधार कर सकते हैं। लॉगिंग सॉफ्टवेयर फैटवेयर इंजीनियरिंग कार्यों से लाभ हो सकता है, यह संकल्पों और अन्य एजेंटों के वर्कफ़्लो को जारी कर सकता है जहां मॉडल समस्याओं को तोड़ सकता है, बेहतर निर्णय दे सकता है और अधिक सूचित समाधानों की सिफारिश कर सकता है।
आईबीएम यह भी दावा करता है कि, जैसा कि तर्क चल रहा है, ग्रेनाइट 2.5 निर्देशात्मक कार्यों पर डीपस्क-आर 1 सहित प्रतिद्वंद्वियों को आगे बढ़ाने में सक्षम है।
हर क्वेरी को आगे के तर्क की आवश्यकता नहीं है; सशर्त सोच क्यों
हालांकि ग्रेनाइट 2.1 में उन्नत तर्क क्षमताएं हैं, कॉक्स ने जोर दिया कि प्रत्येक क्वेरी को वास्तव में बहुत तर्क की आवश्यकता नहीं है। वास्तव में, कई प्रकार के सामान्य प्रश्न वास्तव में अधिक तार्किक से नकारात्मक रूप से प्रभावित हो सकते हैं।
उदाहरण के लिए, जुनोवेलेज-आधारित क्वेरी के लिए, डीपस्क-आर 1 जैसे एक एकल लॉजिक मॉडल, “रोम कहां है?” क्या एक आंतरिक एकालाप इस तरह के मूल प्रश्न का उत्तर देने के लिए एक नाटक पर 50 सेकंड तक खर्च कर सकता है?
ग्रेनाइट 2.1 में मुख्य नवाचारों में से एक सशर्त सोच सुविधाओं की शुरूआत है, जो डेवलपर्स को मॉडल की तर्क क्षमताओं को गतिशील रूप से सक्रिय या अक्षम करने की अनुमति देता है। यह लचीलापन उपयोगकर्ताओं को विश्लेषण की गति और हाथ के विशिष्ट कार्य के आधार पर गहराई की गहराई के बीच संतुलन रखने में सक्षम बनाता है।
एक कदम आगे, ग्रेनाइट 2.1 मॉडल आईबीएम की रेड हैट बिजनेस यूनिट द्वारा विकसित विधि से लाभान्वित होते हैं जो अधिक लचीली तर्क क्षमताओं को सक्षम करने के लिए “कण फ़िल्टर” का उपयोग करता है।
यह दृष्टिकोण मॉडल को तर्क के कई धागों को नियंत्रित करने और संचालित करने की अनुमति देता है, मूल्यांकन करने के लिए, अंतिम परिणाम पर सबसे अधिक आशाजनक है। यह रैखिक बिल्ली एक बिल्ली के बजाय अधिक जीवंत और अनुकूली तर्क प्रदान करती है। कॉक्स बताते हैं कि यह कण फ़िल्टर तकनीक इस बात की अधिक छूट प्रदान करती है कि कैसे तर्क मॉडल की तर्क क्षमताओं का उपयोग कर सकता है।
कण फ़िल्टर दृष्टिकोण में, एक साथ तर्क के कई धागे हैं। कण फ़िल्टर कम प्रभावी दृष्टिकोणों की कटाई करता है, इस पर ध्यान केंद्रित करता है जो बेहतर परिणाम प्रदान करता है। इसलिए, सिर्फ तर्क खाट के बजाय, समस्या को हल करने के लिए कई दृष्टिकोण हैं। मॉडल बुद्धिमानी से जटिल समस्याओं को नेविगेट कर सकता है, चुनिंदा रूप से तर्क की सबसे होनहार लाइनों पर ध्यान केंद्रित कर सकता है।
IBM को कैसे हल करने के लिए वास्तविक उद्यम दस्तावेजों के लिए मामलों का उपयोग करता है
बड़े संस्थानों में बड़ी मात्रा में दस्तावेज हैं, जिनमें से कई साल पहले स्कैन किए गए थे और अब अभिलेखागार में बैठे थे। आधुनिक प्रणालियों के साथ सभी डेटा का उपयोग करना मुश्किल है।
नया ग्रेनाइट 2.1 विज़न मॉडल एंटरप्राइज़ चुनौती को हल करने में मदद करने के लिए डिज़ाइन किया गया है। जबकि कई मल्टीमॉडल मॉडल सामान्य छवि की समझ पर ध्यान केंद्रित करते हैं, ग्रेनाइट 2.1 की दृष्टि क्षमताएं विशेष रूप से दस्तावेज़ प्रक्रिया के लिए इंजीनियरिंग हैं – बेंचमार्क स्कोर का पीछा करने के बजाय, मूर्त उद्यम समस्याओं को हल करने पर आईबीएम का ध्यान दर्शाती है।
विशेष रूप से वित्तीय संस्थानों में, उद्यम अभिलेखागार में बैठे “तर्कहीन खुराक पुराने स्कैन किए गए दस्तावेजों” के रूप में वर्णित एक प्रणाली का लक्ष्य। यह अपारदर्शी डेटा स्टोर का प्रतिनिधित्व करता है जो उनके संभावित पेशेवर मूल्य के बावजूद बहुत गड़बड़ रहता है।
कई दशकों के कागज रिकॉर्ड वाले संगठनों के लिए, चार्ट, आंकड़े और टेबल युक्त दस्तावेजों को युक्तिसंगत बनाने की क्षमता सामान्य -अपूर्व मल्टीमॉडल मॉडल पर महत्वपूर्ण परिचालन लाभ प्रस्तुत करती है जो छुट्टी की तस्वीरों का वर्णन करने में उत्कृष्ट हैं लेकिन संरचित व्यावसायिक दस्तावेजों से जूझ रहे हैं।
एंटरप्राइज बेंचमार्क जैसे कि डॉक्टर क्वो और चार्टका पर, आईबीएम ग्रेनाइट विज़न 2.1 प्रतियोगियों के खिलाफ मजबूत परिणाम दिखाता है।
समय श्रेणी की भविष्यवाणियां व्यवसाय पूर्वानुमान आवश्यकताओं को ध्यान में रखते हैं
शायद रिलीज का सबसे तकनीकी विशिष्ट घटक आईबीएम के “स्मॉल-टाइम मिक्सर” (टीटीएम) -स्पेक्टिव ट्रांसफार्मर-आधारित मॉडल हैं जो समय सीमा की भविष्यवाणी करने के लिए डिज़ाइन किए गए हैं।
हालांकि, समय श्रृंखला का पूर्वानुमान, जो भविष्य कहनेवाला विश्लेषण और मॉडलिंग को सक्षम बनाता है, नया नहीं है। कॉक्स नोट करता है कि विभिन्न कारणों से, टाइम सीरीज़ के मॉडल मशीन लर्निंग (एमएल) के बुढ़ापे में फंस गए हैं और नए, फ्लैशियर जनरल एआई मॉडल के समान ध्यान देने से लाभ नहीं हुए हैं।
ग्रेनाइट टीटीएम मॉडल वास्तुशिल्प नवाचारों पर लागू होते हैं जो एलएलएम के सामने एक पूरी तरह से अलग समस्या के लिए आगे बढ़ते हैं: ऐतिहासिक गांजा पैटर्न के आधार पर भविष्य के मूल्यों का पूर्वानुमान। यह क्षमता वित्तीय पूर्वानुमानों, उपकरणों के रखरखाव और विसंगति जांच में पेशेवर आवश्यकताओं पर विचार करती है।
जनरल ए.आई. व्यावहारिक उद्यम-केंद्रित दृष्टिकोण के लिए
प्रचार की कोई कमी नहीं है और विक्रेता सभी उद्योग बेंचमार्क के अनंत सरणी पर एक दूसरे को स्थानांतरित करने का दावा कर रहे हैं।
उद्यम निर्णय लेने के लिए, बेंचमार्क को ध्यान में रखना दिलचस्प हो सकता है, लेकिन यह वह नहीं है जो दर्द बिंदुओं को हल करता है। कॉक्स ने जोर देकर कहा कि आईबीएम एंटरप्राइज़ एआई के प्रति एक ‘सूट और टाई’ दृष्टिकोण ले रहा है, जो वास्तविक समस्याओं को हल करने के लिए देख रहा है।
“मुझे लगता है कि हम बहुत अधिक जादुई सोच रहे हैं कि हमारे पास एक सुपर इंटेलिजेंट मॉडल हो सकता है जो हमें किसी भी तरह से करने के लिए सब कुछ करने जा रहा है और कम से कम उस समय के लिए, हम इसके करीब भी नहीं हैं,” कॉक्स ने कहा। “हमारी रणनीति है ‘चलो इस बहुत ही रोमांचक तकनीक का उपयोग करके वास्तविक, व्यावहारिक उपकरण बनाएं, और चलो अधिक से अधिक सुविधाएँ बनाते हैं जो इसे वास्तविक करना आसान बनाते हैं।”
