Theory
જાદુઈ Copywriter
કલ્પો કે તમે તમારા BCA student club ના કાર્યક્રમ માટે મોડા પડી રહ્યા છો. તમને આગલી પાંચ મિનિટમાં એક પ્રચારનું પત્રિકા, આચાર્ય માટે એક પરિચયનું email, અને એક આકર્ષક social media નું caption જોઈએ. પરંપરાગત રીતે, તમે એક text editor ખોલો, કોરા પડદા સામે તાકી રહો, અને દરેકે દરેક શબ્દ જાતે ટાઈપ કરો. પણ આજે, તમે એક prompt ના ખાનામાં એક જ વાક્ય ટાઈપ કરો છો, અને સેકન્ડોમાં, પૂરા, વ્યાવસાયિક drafts ક્યાંયથી હાજર થઈ જાય છે. એક computer નો program અચાનક માત્ર શોધવાને બદલે તદ્દન નવું content બનાવતાં કેવી રીતે શીખી ગયો?
Theory
મુખ્ય રસોઇયો સામે કરિયાણાનું Catalog
પરંપરાગત AI ને એક digital supermarket ના catalog જેવું વિચારો. તમે પનીરની વાનગીઓ શોધો, અને એ હજારો હયાત વસ્તુઓ scan કરીને તમને બિલકુલ દેખાડે છે કે છાજલીઓ પર પહેલેથી શું છે. એ કંઈ નવું રાંધી શકતું નથી. Generative AI, બીજી બાજુ, એ એક નિષ્ણાત રસોઇયા જેવું છે જેણે હજારો વાનગીઓ ચાખી છે, સ્વાદની ભાતો યાદ રાખી છે, અને હવે તમારા મિજાજ પ્રમાણે બિલકુલ ઘડેલી એક તદ્દન નવી વાનગી શોધી શકે છે. એ કોઈ હયાત વાનગી copy paste કરતું નથી, એ પોતાની તાલીમ વાપરીને શરૂઆતથી એક તાજી વાનગી બનાવે છે.
Theory
Generative AI સમજવું
Generative AI એ કૃત્રિમ બુદ્ધિની એક શાખા છે જે હયાત તાલીમના data ના વિશાળ જથ્થામાંથી ભાતો શીખીને લખાણ, images, audio, કે code જેવું નવું content બનાવવા પર ધ્યાન આપે છે. પરંપરાગત AI થી વિપરીત, જે આગાહી કરવા કે વસ્તુઓ વર્ગીકૃત કરવા (જેમ કે spam email ગોઠવવું) data નું વિશ્લેષણ કરે છે, generative models સૌથી સંભવિત આગલો શબ્દ, pixel, કે અવાજ ધારવા deep learning નાં neural networks વાપરે છે, તદ્દન નવાં outputs બનાવતાં જે માણસનાં સર્જન જેવાં લાગે.
At a glance
Table 1: પરંપરાગત AI સામે Generative AI
| લક્ષણ | પરંપરાગત (Analytical) AI | Generative AI |
|---|---|---|
| મુખ્ય લક્ષ્ય | Data ના આધારે વિશ્લેષણ, વર્ગીકરણ, કે આગાહી કરવી | શરૂઆતથી તદ્દન નવું content બનાવવું |
| Output નો પ્રકાર | Spam સામે Not Spam જેવા આંકડા, labels, કે scores | લખાણ, images, code, કે audio જેવી જટિલ files |
| મુખ્ય વ્યવસ્થા | Inputs ને કડક હયાત મર્યાદાઓ સામે મેળવવા | શીખેલી ભાતોના આધારે સંભવિત ક્રમની આગાહી કરવી |
| ઉદાહરણનો Use Case | Netflix તમને ગમે એવી movie સૂચવે છે | ChatGPT તમારા માટે એક પૂરી movie ની script લખે છે |
Theory
એક વાસ્તવિક દુનિયાની આપ-લે ઉકેલવી
ચાલો એક ખરેખરું શૈક્ષણિક પરિદૃશ્ય જોઈએ. એક student એક AI ના ઓજારને એક સંખ્યા અવિભાજ્ય છે કે નહીં એ તપાસવા python નું function લખવાનું અને એ સાદી રીતે સમજાવવાનું કહે છે.
પહેલું, model inputs કે prompt process કરે છે. બીજું, બિલકુલ મળતું webpage શોધવા database ફેંદવાને બદલે, એનું neural network પોતાની તાલીમના આધારે શબ્દોની સંભાવનાઓ ગણે છે. ત્રીજું, એ માંગેલી શૈલી સાથે મળતી એક custom python ની script અને draft લખાણ બનાવે છે. આખો જવાબ એ જ ક્ષણે રચાય છે, દર વખતે અનન્ય output ની ખાતરી કરતાં.
Quiz
તમારી college એક આપોઆપ ચાલતી system વાપરે છે જે students ની હાજરીની spreadsheets વાંચે છે અને 75% થી ઓછી હાજરી વાળા students ને નિશાન કરે છે. આ કયા પ્રકારની system છે?
- Generative AI, કારણ કે એ નિશાન કરેલા students ની યાદી બનાવે છે.
- પરંપરાગત (Analytical) AI, કારણ કે એ નવું content બનાવ્યા વગર હયાત data ને નિયમો સામે આંકે છે.
- Generative અને પરંપરાગત બંને AI, કારણ કે એ spreadsheets વાપરે છે.
- કોઈ પણ નહીં, કારણ કે spreadsheets માં કૃત્રિમ બુદ્ધિ સંકળાયેલી નથી.
Show the answer
પરંપરાગત (Analytical) AI, કારણ કે એ નવું content બનાવ્યા વગર હયાત data ને નિયમો સામે આંકે છે.
આ પરંપરાગત AI કે નિયમ-આધારિત automation નું એક classic ઉદાહરણ છે. એ ખાલી હયાત આંકડાનું વિશ્લેષણ કરે છે અને એમને એક પહેલેથી વ્યાખ્યાયિત નિયમ (75% થી ઓછું) ના આધારે વર્ગીકૃત કરે છે. એ પાયાની ભાતોમાંથી લેખ, images, કે code જેવી કોઈ નવી સર્જનાત્મક સામગ્રી બનાવતું નથી.
Think first
Generative AI નું ઉદાહરણ ઓળખવું
બે ઓજારો વિચારો: ઓજાર A દસ વર્ષના આબોહવાના ચાર્ટના આધારે કાલના હવામાનનું તાપમાન ધારે છે. ઓજાર B 'monsoon' શબ્દ આપતાં મુંબઈમાં ભવિષ્યના વરસાદી દિવસ વિશે એક કાલ્પનિક ટૂંકી વાર્તા લખે છે. કયું Generative AI છે? ઉજાગર કરવા tap કરતાં પહેલાં એના પર તર્ક કરવાનો પ્રયાસ કરો.
Show the answer
ઓજાર B એ Generative AI ની system છે. ઓજાર A આંકડાકીય data પર આગાહીનું વિશ્લેષણ કરે છે, જે પરંપરાગત analytical computing નું છે. ઓજાર B એક નાનું prompt નું input લે છે અને પોતાની વ્યાપક model ની તાલીમ દરમિયાન શીખેલી સંરચનાત્મક ભાતો જોડીને તદ્દન નવું, મૌલિક લખાણનું content રચે છે.
Watch out
University ની પરીક્ષાઓમાં Hallucination નો ફાંદો
પરીક્ષાઓમાં BCA students જે મોટી ભૂલ કરે છે એ છે એવું માનવું કે Generative AI Google Search ની જેમ કામ કરે છે. Google ખરેખરા માણસોએ લખેલી ચકાસાયેલી links લાવે છે. Generative AI default રીતે જીવંત web શોધતું નથી, એ ધારે છે કે આગળ કયો શબ્દ આવવો જોઈએ. કારણ કે એ હકીકતો તપાસવાને બદલે વાસ્તવિક દેખાવા પર ધ્યાન આપે છે, એ આત્મવિશ્વાસથી ખોટી હકીકતો, ખોટા સંદર્ભો, કે અસ્તિત્વમાં ન હોય એવી code ની libraries શોધી કાઢી શકે છે. આ વર્તનને hallucination કહેવાય છે. સ્વતંત્ર રીતે હકીકતો ચકાસ્યા વગર એના output પર ક્યારેય આંધળો ભરોસો ન કરો.
Theory
ઉદ્યોગની સુસંગતતા અને Student ની ઉત્પાદકતા
તમારા હાલના student ના જીવનમાં, ChatGPT, Gemini, અને DeepSeek જેવાં ઓજારો personalized coding ના શિક્ષક કે સંપાદનના સહાયક તરીકે કામ કરી શકે છે. પછીના semesters માં, આ models સમજવું તમને full stack development ના courses માટે તૈયાર કરશે જ્યાં તમે applications ને AI ના APIs સાથે જોડશો. Software નો ઉદ્યોગ ઝડપથી AI ની મદદથી થતા development તરફ જઈ રહ્યો છે, જે prompting ને આધુનિક graduate engineers માટે એક મુખ્ય કૌશલ્ય બનાવે છે.
Summary
Key takeaways
- Generative AI હયાત data ની હરોળોનું માત્ર વિશ્લેષણ કે વ્યવસ્થા કરવાને બદલે તદ્દન નવું content રચે છે.
- એ સૌથી સંભવિત આગલો શબ્દ, pixel, કે સામગ્રી ધારવા વિશાળ datasets માંથી અંતર્ગત માળખાં શીખે છે.
- પરંપરાગત AI data ને વર્ગીકૃત, મેળવે, કે score કરે છે, જ્યારે Generative AI documents, images, અને ઓજારો બનાવે છે.
- AI models hallucinate કરી શકે છે, એટલે કે એ આત્મવિશ્વાસથી ખોટી હકીકતો કે તૂટેલા code ના ટુકડા બનાવે છે.
- ચકાસણી ફરજિયાત છે: AI ને draft બનાવવા અને વિચારો કરવા એક સાથી તરીકે વાપરો, ક્યારેય સંપૂર્ણ સત્યના engine તરીકે નહીં.
- Memory hook: પરંપરાગત ભૂતકાળનું વિશ્લેષણ કરે છે, Generative ભવિષ્ય રચે છે!