Scan to download the app 
Saas દ્વારા AI અનલોક કરવું
મેધાસ, એક સંસ્કૃત શબ્દ છે, જેનો અર્થ છે નોલેજ, સમજણ અને ઈન્ટેલિજન્સ. એડટેક AI પ્લેટફોર્મ બનાવવા માટે પ્રાકૃતિક ભાષા સમજ (NLU) પ્લેટફોર્મ ખૂબ જ મહત્વપૂર્ણ છે. NLU ક્ષમતાઓ હાયપર ટેગ કરેલ શિક્ષણ અને મૂલ્યાંકન કોન્ટેન્ટ, સંદર્ભિત નોલેજ ગ્રાફ, અર્થઘટન કરી શકાય તેવા અને સમજાવી શકાય તેવા અનુમાનો સક્ષમ કરે છે જેથી વિદ્યાર્થીઓને લર્નિંગ આઉટકમ પ્રાપ્ત કરવા માટે જરૂરી કોન્ટેન્ટને સમૃદ્ધ બનાવવા, ભલામણ કરવા અથવા બનાવવાની જરૂર હોય. કેટલાક ઉદાહરણો જ્યાં તે કલા પ્રદર્શનની સ્થિતિ હાંસલ કરવામાં સીધી મદદ કરે છે તે કોન્ટેન્ટ ઇન્ટેલિજન્ટ કાર્યો જેવા કે પ્રશ્ન જનરેશન, પ્રશ્નના જવાબ, શંકાનું નિરાકરણ, ઇન્સ્ટા-સોલ્વર વગેરે છે.
આર્ટિફિશિયલ ઇન્ટેલિજન્સ એ ખુબ જ સારો રસ્તો કાઢ્યો છે, જેમાં ગહન શીખવાની તકનીકો ડોમેન એપ્લિકેશનની વિશાળ શ્રેણીમાં તેની સંભવિતતા માટે મજબૂત કેસ બનાવે છે. જો કે, આર્ટીફિશિયલ ઈન્ટેલિજન્સની વર્તમાન સ્થિતિ પ્રશિક્ષણ ડેટામાં આંકડાકીય રીતે કેપ્ચર કરાયેલી ગુપ્ત પેટર્ન શીખવા દ્વારા પ્રશિક્ષિત બ્લેક-બોક્સ મોડેલ દ્વારા પ્રભુત્વ ધરાવે છે. આ મોડેલો માત્ર અકલ્પનીય નથી પણ સ્પષ્ટ રીતે વ્યાખ્યાયિત ડોમેન દૃશ્યો માટે સંભવિતપણે સંવેદનશીલ છે.
પ્લેટફોર્મ મેધાસ નીચેનાનું લક્ષ્ય રાખે છે:
- ડીપ લર્નિંગ મોડલને સમજાવી શકાય તેવું અને અર્થઘટન કરી શકાય તેવું બનાવવું
- નોલેજ ગ્રાફમાં સ્પષ્ટપણે વ્યાખ્યાયિત ડોમેન નોલેજને ડીપ લર્નિંગ મોડલમાં દાખલ કરો
- ડીપ લર્નિંગ મોડલને એજ ઉપકરણો અને સંસાધન-અવરોધિત સેટિંગ્સ પર સુલભ બનાવો.
- બીજા શબ્દોમાં કહીએ તો, ઉપકરણ પર સ્થાનિક અનુમાન બનાવવા માટે મોડેલ ઓપ્ટિમાઇઝેશન ઉપયોગ કરો.
અમે નોલેજ ગ્રાફમાંથી જ્ઞાન એમ્બેડિંગને સ્વ-ધ્યાન આધારિત મોડલમાં દાખલ કરીએ છીએ. ઉદાહરણ તરીકે, અમે કોન્સેપ્ટનેટમાંથી “ગેરહાજર માનસિકતા” જેવી વિભાવનાત્મક સંસ્થાઓનું એમ્બેડિંગ લીધું અને તેને BERT માં ટોકન એમ્બેડિંગ સાથે ઉમેર્યું. “મનની ગેરહાજરી” માટે નોલેજ એમ્બેડ કરવાની સમાન પ્રક્રિયા. તેથી, આગામી સ્વ-ધ્યાન સ્તર સંયુક્ત નોલેજ અને “ગેરહાજર માનસિકતા” અને “મનની ગેરહાજરી” સંસ્થાઓના ટોકન એમ્બેડિંગ પર ધ્યાન આપશે.
જેમ કે “ગેરહાજર માનસિકતા” અને “મનની ગેરહાજરી” નું નોલેજ એમ્બેડિંગ ખૂબ સમાન હશે, મોડેલને ખ્યાલ આવશે કે, આ બંને સમાન એન્ટિટી છે.
ઉપરના ઉદાહરણમાં, અમે વર્ડનેટમાંથી “દળ” અને “ત્રિજ્યા” જેવી અસ્પષ્ટ એન્ટિટીનું નોલેજ એમ્બેડિંગ મેળવીએ છીએ અને તેને BERT ના સ્વ-ધ્યાન સ્તરમાં તેના ટોકન એમ્બેડિંગ સાથે જોડીએ છીએ.
તેથી, આગામી સ્વ-ધ્યાન સ્તર અસ્પષ્ટ સંસ્થાઓના સંયુક્ત જ્ઞાન એમ્બેડિંગ અને ટોકન એમ્બેડિંગ પર ધ્યાન આપશે અને તે ઇનપુટ વાક્યને વધુ સારી રીતે સમજવામાં મોડેલને મદદ કરશે.
કેવી રીતે પ્રભાવિત જ્ઞાન વધુ અર્થઘટનયોગ્ય આત્મવિશ્વાસ આપે છે:
આપણે ઉપરના ઉદાહરણમાં (બીજી છેલ્લી પંક્તિ) જોઈ શકીએ છીએ કે, “ગ્રીનહાઉસ ઈફેક્ટ” જેવી સંકલ્પનાત્મક સંસ્થાઓ અને “ટ્રેપિંગ” અને “એબ્સૉર્પ્શન” જેવી અસ્પષ્ટ એન્ટિટી ઉમેર્યા પછી, તે માત્ર સાચું અનુમાન જ નથી કરતુ, પણ અનુમાન કરવાનો વિશ્વાસ પણ વધીને 60.55% થયો કારણ કે અમે વધુ એન્ટિટી ઉમેર્યા છે.
જ્યારે અમે અનુક્રમે “સૌર ઉર્જા” અને “કારણ” જેવી વધુ અસ્પષ્ટ અને વૈચારિક એન્ટિટી ઉમેરી, ત્યારે આત્મવિશ્વાસ વધીને 61.97% થયો.
સારાંશ માટે, જેમ જેમ આપણે વધુ અર્થપૂર્ણ એન્ટિટી ઉમેરીએ છીએ, તેણે માત્ર સાચા અનુમાન જ કરતા નથી (વેનીલા BERT ખોટું અનુમાન કરતું રહ્યું તેમ નહિ) પરંતુ તેણે મોડેલનો આત્મવિશ્વાસ પણ વધાર્યો છે.
પ્લેટફોર્મ મેધાસ Embibe ખાતે એજ્યુકેશન રિસર્ચ લેબ દ્વારા બનાવવામાં આવ્યું છે. એજ્યુકેશન રિસર્ચ લેબ એ પ્રચંડ પ્રભાવ સાથે મુખ્ય ખુલ્લી સમસ્યાઓને ઓળખવા અને મૂળ મૂલ્ય દરખાસ્તોની શોધ કરીને અદ્યતન સંશોધનને આગળ ધપાવવાનો એક વિશિષ્ટ શિસ્તબદ્ધ પ્રયાસ છે.
સંદર્ભ:
[4] કેયુર ફાલદુ .ડેટા સાયન્સ તરફ “આધુનિક NLP નો ઉદય અને અર્થઘટનની જરૂરિયાત! આધુનિક NLP નો ઉદય અને અર્થઘટનની જરૂરિયાત!”, ઓગસ્ટ 2020.
[5] કેયુર ફાલદુ, ડૉ. અમિત શેઠ. ડેટા સાયન્સ તરફ “NLP મોડલમાં એન્કોડેડ ભાષાકીય નોલેજની શોધ કરવી.“, સપ્ટેમ્બર 2020.
[6] કેયુર ફાલદુ, ડૉ. અમિત શેઠ. ડેટા સાયન્સ તરફ “NLP મોડલનું ભાષાશાસ્ત્ર શાણપણ.“, નવેમ્બર 2020.
[8] ફાલદુ, કેયુર, અદિતિ અવસ્થી અને અચિંત થોમસ. “સ્કોરના સુધારણા અને તેના ભાગો માટે અનુકૂલનશીલ શિક્ષણ મશીન.” યુ.એસ. પેટન્ટ 10,854,099, 1 ડિસેમ્બર, 2020 ના રોજ જારી.
[9] ધવલ, સોમા, ચિરાગ ભાટિયા, જોય બોઝ, કેયુર ફાલદુ અને અદિતિ અવસ્થી. “ડાયગ્નોસ્ટિક એસેસમેન્ટ અને તેમની ગુણવત્તા મૂલ્યાંકનનું સ્વતઃ નિર્માણ.” ઇન્ટરનેશનલ એજ્યુકેશનલ ડેટા માઇનિંગ સોસાયટી (2020).
[10] ફાલદુ, કેયુર, અચિંત થોમસ અને અદિતિ અવસ્થી. “સંદર્ભિત જ્ઞાન આધારનો ઉપયોગ કરીને વ્યક્તિગત કોન્ટેન્ટ ભલામણ કરવા માટેની સિસ્ટમ અને પદ્ધતિ.” યુ.એસ. પેટન્ટ એપ્લિકેશન 16/586,512, ઑક્ટોબર 1, 2020 ફાઇલ કરવામાં આવી.
[11] થોમસ, અચિંત, કેયૂર ફાલદુ અને અદિતિ અવસ્થી. “અધિક્રમિક રીતે શૈક્ષણિક કોન્ટેન્ટની વ્યક્તિગત પુનઃપ્રાપ્તિ માટેની સિસ્ટમ અને પદ્ધતિ.” યુ.એસ. પેટન્ટ એપ્લિકેશન 16/740,223, ઑક્ટોબર 1, 2020 ના રોજ ફાઇલ કરવામાં આવી.
[12] “#RAISE2020 – Embibe – વ્યક્તિગત શિક્ષણ માટે AI-સંચાલિત શિક્ષણ પરિણામોનું પ્લેટફોર્મ”, MyGov India, ઓક્ટોબર 2020, https://www.youtube.com/watch?v=kuwFtHgN3qU
← AI હોમ પર પાછા જાઓ
