નોલેજ મિત્ર: તમારો શૈક્ષણિક પાર્ટનર

Embibe પર, અમે વિદ્યાર્થીઓની શીખવાની યાત્રાને સશક્ત બનાવવા માટે પ્રતિબદ્ધ છીએ. નોલેજ મિત્ર એ આર્ટિફિશિયલ ઈન્ટેલિજન્સ ચેટબોટ છે જે વિદ્યાર્થીઓને પ્રશ્નોના જવાબ આપીને અને શંકાના નિરાકરણનો ઉપયોગ કરીને તેમના શિક્ષણને સુધારવામાં મદદ કરવા માટે બનાવવામાં આવ્યું છે.

સ્પષ્ટ ડોમેન નોલેજ એ ઓટો પ્રશ્ન જનરેશન અને જવાબ આપવા માટે ડીપ લર્નિંગ મોડલને પૂરક બનાવવાની ચાવી છે. Emibibe નો નોલેજ ગ્રાફ કોન્ટેન્ટ ઇન્ટેલિજન્સનો આધાર છે, તેમાં હજારો કોન્સેપ્ટ અને કમ્પિટેન્સી એક મિલિયનથી વધુ રિલેશનશીપનો ઉપયોગ કરીને એકબીજા સાથે જોડાયેલા છે.

નોલેજ મિત્ર વાતચીતના આર્ટિફિશિયલ ઈન્ટેલિજન્સ અને અત્યાધુનિક ભાષા અને વિઝન મોડલનો ઉપયોગ કરીને બનાવવામાં આવ્યો છે. તે ઈન્ટેલિજન્ટ વાર્તાલાપની રચના માટે શૈક્ષણિક નોલેજ ગ્રાફમાંથી જ્ઞાનના સંદર્ભને આ ઊંડા શિક્ષણ મોડલમાં દાખલ કરે છે.

નોલેજ મિત્ર નીચેની ક્ષમતાઓ પ્રદાન કરે છે:

• વિદ્યાર્થીના લર્નિંગ આઉટકમનું મૂલ્યાંકન કરવા માટે વિદ્યાર્થીના શીખવાના ઇતિહાસના આધારે પ્રશ્નોને ઓટો જનરેટ કરે છે અને પૂછે છે.
• જ્યારે વિદ્યાર્થી લર્નિંગ કોન્ટેન્ટ સાથે જોડાય છે ત્યારે વિદ્યાર્થીના પ્રશ્નોના જવાબ આપે છે.
• યુઝર દ્વારા પસંદ કરાયેલ સ્થાનિક ભાષામાં પ્રશ્નો અને જવાબોનો સ્વતઃ અનુવાદ કરે છે.

નોલેજ મિત્રની ક્ષમતાઓના ઉદાહરણો આકૃતિ 1 માં દર્શાવવામાં આવ્યા છે.

1. પ્રશ્ન જનરેશન (QG)

આપમેળે પ્રશ્નોનું નિર્માણ કરવાની ક્ષમતા વિદ્યાર્થીઓ સાથે જોડાવાની અને તેમના કોન્સેપ્ટની નિપુણતાનું મૂલ્યાંકન કરવાની તક લાવી શકે છે. અમે T5, UniLM, વગેરે જેવા અત્યાધુનિક ભાષા મોડલનો વિસ્તાર કર્યો છે અને તેમને ઉપલબ્ધ સંશોધન ડેટાસેટ જેવા કે ARC, DROP, QASC, SciQ, SciTail, SQUAD, HotpotQA, વગેરે અને Embibe ની માલિકીના ડેટાસેટ પર તાલીમ આપી છે. અમે બુલિયન, સ્પેન-આધારિત, ખાલી જગ્યાઓ ભરો, બહુવિધ પસંદગીના પ્રશ્નો વગેરે જેવા બહુવિધ પ્રકારના પ્રશ્નોને સમર્થન આપીએ છીએ. અમે KI-BERT [3] જેવા આર્કિટેક્ચર સાથે શૈક્ષણિક નોલેજ ગ્રાફમાંથી જ્ઞાનનો લાભ લઈએ છીએ. અમે એ પણ સુનિશ્ચિત કરીએ છીએ કે નોલેજ ગ્રાફ [4][6][7] સાથે વધારવાની મદદથી મોડલ વધુ સારી રીતે અર્થઘટન અને સમજાવી શકાય તેવા છે. અમારા મોડલ એન્ટિટી અવેર એટેન્શન મિકેનિઝમની મદદથી પ્રશ્નો પણ જનરેટ કરે છે. પ્રશ્ન જનરેશન મોડલ ઇનપુટ તરીકે શીખવાના સંદર્ભને, ઇચ્છિત પ્રશ્નના પ્રકાર માટે પ્રોમ્પ્ટ અને અન્ય પ્રશ્ન પ્રકાર વિશિષ્ટ મેટાડેટાને ઇનપુટ તરીકે લે છે. અમે પ્રશ્નોનું નિર્માણ કરવા માટે બીમ સર્ચ અને ન્યુક્લિયસ સેમ્પલિંગ પદ્ધતિઓનો ઉપયોગ કરીએ છીએ.

2. પ્રશ્ન જવાબ (QA)

વિદ્યાર્થીઓની શીખવાની યાત્રા પર સકારાત્મક અસર થાય છે જ્યારે તેમની સાથે સંલગ્ન રહેવાની ક્ષમતા તરત જ પ્રશ્નના જવાબ આપવાની હોય છે. વિદ્યાર્થીઓની શીખવાની પ્રવૃતિ ત્યારે જ અસરકારક રહેશે જ્યારે તેમના પ્રશ્નોના જવાબો તેઓના મનમાં ઉભા થાય ત્યારે જ મળે. નોલેજ મિત્ર વિદ્યાર્થીઓને કોઈપણ પ્રશ્ન પૂછવા માટે સશક્ત બનાવે છે, જેનો જવાબ પ્રશ્નોત્તરી મોડલનો ઉપયોગ કરીને આપવામાં આવશે. પ્રશ્નના જવાબ આપવાના મોડલને T5, UniLM વગેરે જેવા પૂર્વ-પ્રશિક્ષિત ભાષાના મોડલનો લાભ લઈને અને સંશોધન ડેટાસેટ્સ અને Embibe ની માલિકીના ડેટાસેટ પર ફાઇન ટ્યુન કરીને અગાઉના વિભાગોમાં ઉલ્લેખિત કરવામાં આવે છે. યુઝર વિવિધ સંદર્ભ-પ્રકારમાંથી પ્રશ્નો પૂછી શકે છે, જેમ કે પસંદ કરેલ ટેક્સ્ટ, પ્રકરણ, બુક અથવા અભ્યાસક્રમ. અમારી પ્રશ્નના જવાબ આપતી સિસ્ટમ ડેન્સ વેક્ટર સિમેન્ટીક સમાનતાનો ઉપયોગ કરીને સંદર્ભ-પ્રકારના આધારે સંબંધિત સંદર્ભ પસંદ કરે છે અને જવાબની આગાહી કરવા માટે પ્રશ્નના જવાબ આપનાર મોડલનો ઉપયોગ કરે છે. ફિડબેક લૂપ અમારા મોડલને વધુ સારું બનાવવામાં સતત મદદ કરશે. અમારું પ્રશ્ન જવાબ આપવાનું મોડલ એટલું અદ્યતન છે કે તે NEET પ્રવેશ પરીક્ષાને આપમેળે ક્રેક કરી શકે છે.

3. સ્થાનિક ભાષાઓમાં ટ્રાન્સલેશન (VT)

નોલેજ મિત્ર બહુવિધ ભાષાઓને સપોર્ટ કરે છે અને યુઝરની પસંદગીઓના આધારે સંપૂર્ણ વાતચીત કોઈપણ સ્થાનિક ભાષાઓમાં હોઈ શકે છે. તે કોઈપણ પૂર્વ-નિર્ધારિત ભાષામાં સ્વતઃ-નિર્મિત પ્રશ્નો પૂછી શકે છે, અને તે જ ભાષામાં જવાબોનું મૂલ્યાંકન પણ કરી શકે છે. અમે મૂળ રીતે વિકસિત NMT મોડલનો ઉપયોગ કરીએ છીએ જે સામાન્ય અનુવાદ માટે અન્ય ઑફ-ધ-શેલ્ફ મોડને પાછળ રાખી દે છે. હાલમાં, અમે ચેટબોટમાં 11 ભારતીય ભાષાઓને સપોર્ટ કરીએ છીએ, જેમાં હિન્દી, ગુજરાતી, મરાઠી, તમિલ, તેલુગુ, બંગાળી, કન્નડ, આસામી, ઉડિયા, પંજાબી અને મલયાલમનો સમાવેશ થાય છે. શૈક્ષણિક ડોમેન વિશિષ્ટતાને કારણે અમારા મૂળ રીતે વિકસિત મોડલ ગુગલ અનુવાદ જેવા 3જા પક્ષના API ને પાછળ રાખી દે છે.

આપણે કોષ્ટક 1 માં થોડા ઉદાહરણો જોઈ શકીએ છીએ જ્યાં અમારું અનુવાદ ગુગલ અનુવાદ કરતાં વધુ સારું છે:

English	Google Translation	Knowledge Buddy Translation
which of the following law was given by Einstein:	નીચેનામાંથી કયો કાયદો આઈન્સ્ટાઈન દ્વારા આપવામાં આવ્યો હતો:	નીચેનામાંથી કયો નિયમ આઈન્સ્ટાઈન દ્વારા આપવામાં આવ્યો હતો:
which one of the following is not alkaline earth metal?	નીચેનામાંથી કયું ક્ષારીય પૃથ્વી ધાતુ નથી?	નીચેનામાંથી કયું ક્ષારીય મૃદા ધાતુ નથી?
Endogenous antigens are produced by intra-cellular bacteria within a host cell.	અંતર્જાત એન્ટિજેન્સ યજમાન કોષની અંદર ઇન્ટ્રા-સેલ્યુલર બેક્ટેરિયા દ્વારા ઉત્પન્ન થાય છે.	અંતર્જાત પ્રતિજન એક પરપોષી કોશિકાની અંદર અંત: કોશિકાય દ્વારા ઉત્પન્ન થાય છે.

સારાંશમાં, વાર્તાલાપ AI ચેટબોટ નોલેજ મિત્ર, લર્નિંગ આઉટકમ પહોંચાડવામાં મદદ કરીને વિદ્યાર્થીની શીખવાની યાત્રાને સંભવિતપણે અસર કરી શકે છે. તે દરેક શિક્ષણ સત્ર પછી વિદ્યાર્થીઓને મદદ કરી શકે છે, જ્યાં વિદ્યાર્થીઓ તેમની પોતાની માતૃભાષામાં પ્રશ્નો પૂછી શકે છે, તેમની શંકાઓનું નિરાકરણ મેળવી શકે છે. નોલેજ મિત્ર અમારા NLU પ્લેટફોર્મ Medhas દ્વારા સંચાલિત છે, જે ડોમેન નોલેજ ઇન્ફ્યુઝન, અર્થઘટનક્ષમતા અને કોર અંતર્ગત સિદ્ધાંતો [3][4][6][7][8] તરીકે સમજાવે છે.

સંદર્ભ:

[1] રાફેલ, કોલિન, નોઆમ શેઝીર, એડમ રોબર્ટ, કેથરીન લી, શરણ નારંગ, માઈકલ માટેના, યાન્કી ઝોઉ, વેઈ લી અને પીટર જે. લિયુ. “એક યુનિફાઇડ ટેક્સ્ટ-ટુ-ટેક્સ્ટ ટ્રાન્સફોર્મર સાથે ટ્રાન્સફર લર્નિંગની મર્યાદાઓનું અન્વેષણ કરવું. “arXiv preprint arXiv:1910.10683 (2019).

[2] ડોંગ, લી, નાન યાંગ, વેન્હુઇ વાંગ, ફુરુ વેઇ, શિયાઓડોંગ લિયુ, યુ વાંગ, જિયાનફેંગ ગાઓ, મિંગ ઝોઉ અને હસિઓ-વુએન હોન. “કુદરતી ભાષાની સમજણ અને પેઢી માટે એકીકૃત ભાષા મોડેલ પૂર્વ-તાલીમ.” arXiv preprint arXiv:1905.03197 (2019).

[3] ફાલદુ, કેયુર, અમિત શેઠ, પ્રશાંત કિકાણી અને હેમાંગ અકબરી. “KI-BERT: વધુ સારી ભાષા અને ડોમેન સમજણ માટે જ્ઞાન સંદર્ભનો સમાવેશ.” arXiv preprint arXiv:2104.08145 (2021).

[4] ગૌર, માનસ, કેયુર ફાલદુ અને અમિત શેઠ. “બ્લેક-બોક્સના અર્થશાસ્ત્ર: શું જ્ઞાન ગ્રાફ ડીપ લર્નિંગ સિસ્ટમ્સને વધુ અર્થઘટન અને સમજાવી શકાય તેવું બનાવવામાં મદદ કરી શકે છે?.” IEEE ઇન્ટરનેટ કમ્પ્યુટિંગ 25, નં. 1 (2021): 51-59.

[5] ઝુ, ફેંગબીન, વેન્કિઆંગ લેઈ, ચાઓ વાંગ, જિયાનમિંગ ઝેંગ, સૌજન્યા પોરિયા અને તાત-સેંગ ચુઆ. “પુનઃપ્રાપ્ત કરવું અને વાંચવું: ઓપન-ડોમેન પ્રશ્નના જવાબો પર એક વ્યાપક સર્વેક્ષણ.” arXiv પ્રીપ્રિન્ટ arXiv:2101.00774 (2021).

[6] ગૌર, માનસ, અંકિત દેસાઈ, કેયુર ફાલદુ અને અમિત શેઠ. “નોલેજ ગ્રાફ્સનો ઉપયોગ કરીને સમજાવી શકાય તેવું AI.” ACM CoDS-COMAD કોન્ફરન્સમાં. 2020.

[7] શેઠ, અમિત, માનસ ગૌર, કૌશિક રોય અને કેયુર ફાલદુ. “સમજવાપાત્ર AI માટે જ્ઞાન-સઘન ભાષા સમજણ.” IEEE ઇન્ટરનેટ કમ્પ્યુટિંગ 25, નં. 5 (2021): 19-24.

[8] “[ટ્યુટોરીયલ] નોલેજ ગ્રાફ્સનો ઉપયોગ કરીને સમજાવી શકાય તેવું AI”, YouTube, ACM SIGKDD ઇન્ડિયા ચેપ્ટર, જાન્યુઆરી 2021, https://www.youtube.com/watch?v=f1sahXYDjRI 

[9] “#RAISE2020 – Embibe – વ્યક્તિગત શિક્ષણ માટે AI-સંચાલિત લર્નિંગ આઉટકમનું પ્લેટફોર્મ”, MyGov India, ઓક્ટોબર 2020,  https://www.youtube.com/watch?v=kuwFtHgN3qU

← AI હોમ પર પાછા જાઓ