ಮೇಧಾಸ್

ಮೇಧಾಸ್

ಮೇಧಾಸ್ ಎಂಬುದು ಒಂದು ಸಂಸ್ಕೃತ ಪದವಾಗಿದ್ದು, ಅದರರ್ಥ ಜ್ಞಾನ, ತಿಳಿವಳಿಕೆ ಮತ್ತು ಬುದ್ಧಿವಂತಿಕೆಯಾಗಿದೆ. Embibe ನಲ್ಲಿ, ಪ್ರಶ್ನೆ ಸೃಷ್ಟಿಸುವುದು, ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುವುದು, ಸಂದೇಹ ಪರಿಹಾರ, ಇನ್‌ಸ್ಟಾ-ಸಾಲ್ವರ್‌ನಂತಹ ಮುಂತಾದ ವಿಷಯದ ಗುಪ್ತಚರ ಕಾರ್ಯಗಳನ್ನು ಸಶಕ್ತಗೊಳಿಸಲೆಂದೇ ಇದು ಒಂದು ನೈಸರ್ಗಿಕ ಭಾಷಾ ತಿಳುವಳಿಕೆಯ ವೇದಿಕೆಯಾಗಿದೆ. 

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಂಬುದು ಒಂದು ಸುದೀರ್ಘಕಾಲ ಉಪಯೋಗಕ್ಕೆ ಬರುವ ಸರಕಾಗಿದೆ, ಆಳವಾದ ಕಲಿಕಾ ತಂತ್ರಗಳಿಂದ ಒಂದು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಕಾರ್ಯಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಅದರ ಸಾಮರ್ಥ್ಯಕ್ಕೆಂದೇ ಒಂದು ಘನವಾದ ಪ್ರಕರಣವಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪ್ರಸಕ್ತ ಸ್ಥಿತಿಯು ಬ್ಲ್ಯಾಕ್-ಬಾಕ್ಸ್ ಮಾಡೆಲ್‌ಗಳ ಪ್ರಾಬಲ್ಯಕ್ಕೆ ಒಳಪಟ್ಟಿದ್ದು, ಈ ಮಾಡೆಲ್‌ಗಳು ತರಬೇತಿ ದತ್ತಾಂಶದಲ್ಲಿ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಸೆರೆಹಿಡಿದಿರುವ ಸುಪ್ತ ಮಾದರಿಗಳನ್ನು ಕಲಿಯುವ ಮೂಲಕ ತರಬೇತಿ ಪಡೆದಿರುತ್ತವೆ. ಈ ಮಾದರಿಗಳನ್ನು ಕೇವಲ ವಿವರಿಸಲು ಆಗದಿರುವುದು ಮಾತ್ರವಲ್ಲ, ಅದರ ಜೊತೆ ಸ್ಪಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ವಿಷಯವಸ್ತುವಿನ ಸನ್ನಿವೇಶಗಳಿಗೆ ಸಂಭವನೀಯ ರೀತಿಯಲ್ಲೂ ಸಹ ದುರ್ಬಲವಾಗಿರುತ್ತದೆ.  

ಮೇಧಾಸ್ ವೇದಿಕೆಯ ಉದ್ದೇಶಗಳು:

• ವಿವರಣೆ ನೀಡಬಲ್ಲ ಮತ್ತು ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಅರ್ಥೈಸುವಂತೆ ಮಾಡಬಲ್ಲ ಆಳವಾದ ಅಧ್ಯಯನಕ್ಕೆ ದಾರಿಮಾಡಿಕೊಡುವ ಕಲಿಕೆಯ ಮಾದರಿಗಳನ್ನು ಮಾಡುವುದು
• ಆಳವಾದ ಕಲಿಕೆಯ ಮಾದರಿಗಳಿಗೆ ನಾಲೆಡ್ಜ್ ಗ್ರಾಫ್‌ಗಳಲ್ಲಿ ಸ್ಪಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ವಿಷಯವಸ್ತುವಿನ ತಿಳಿವಳಿಕೆಯನ್ನು ತುಂಬುವುದು
• ಆಳವಾದ ಕಲಿಕೆಯ ಮಾದರಿಗಳನ್ನು ಅಂಚಿನ ಸಾಧನಗಳಲ್ಲಿ ಮತ್ತು ಸಂಪನ್ಮೂಲ-ನಿರ್ಬಂಧಿತ ಸೆಟ್ಟಿಂಗ್‌ಗಳಲ್ಲಿ ಪ್ರವೇಶಿಸುವಂತೆ ಮಾಡುವುದು.
• ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಸ್ಥಳೀಯ ಆನ್-ಡಿವೈಸ್ ನಿರ್ಣಯವನ್ನು ಮಾಡಲು ಮಾದರಿ ಉತ್ತಮಗೊಳಿಸುವಿಕೆ

ನಾವು ನಾಲೆಡ್ಜ್ ಗ್ರಾಫ್‌ಗಳಿಂದ ಜ್ಞಾನವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದನ್ನು ಸ್ವಯಂ-ಗಮನ ಆಧಾರಿತ ಮಾದರಿಗಳಿಗೆ ತುಂಬುತ್ತೇವೆ. ಉದಾಹರಣೆಗೆ, ನಾವು ಪರಿಕಲ್ಪನೆಯಿಂದ “ಅನ್ಯಮನಸ್ಕತೆ” ಯಂತಹ ಪರಿಕಲ್ಪನಾ ಘಟಕಗಳ ಎಂಬೆಡಿಂಗ್ ಅನ್ನು ತೆಗೆದುಕೊಂಡಿದ್ದೇವೆ ಮತ್ತು ಅದನ್ನು BERT ಗೆ ಟೋಕನ್ ಎಂಬೆಡಿಂಗ್‌ಗಳೊಂದಿಗೆ ತುಂಬಿಸುತ್ತೇವೆ. “ಮನಸ್ಸಿನ ಅನುಪಸ್ಥಿತಿ” ಗಾಗಿ ಜ್ಞಾನವನ್ನು ಹುದುಗಿಸುವ ಅದೇ ಪ್ರಕ್ರಿಯೆ. ಆದ್ದರಿಂದ, ಮುಂದಿನ ಸ್ವಯಂ-ಗಮನ ಪದರವು ಸಂಯೋಜಿತ ಜ್ಞಾನ ಮತ್ತು “ಅನ್ಯಮನಸ್ಕತೆ” ಮತ್ತು “ಮನಸ್ಸಿನ ಅನುಪಸ್ಥಿತಿ” ಘಟಕಗಳ ಟೋಕನ್ ಎಂಬೆಡಿಂಗ್‌ಗಳಿಗೆ ಗಮನ ಕೊಡುತ್ತದೆ.

“ಅನ್ಯಮನಸ್ಕತೆ” ಮತ್ತು “ಮನಸ್ಸಿನ ಗೈರುಹಾಜರಿ” ಎಂಬ ಜ್ಞಾನದ ಹುದುಗುವಿಕೆಯು ತುಂಬಾ ಹೋಲುತ್ತದೆ, ಮಾದರಿಯು ಈ ಎರಡು ಒಂದೇ ರೀತಿಯ ಘಟಕಗಳು ಎಂಬ ಕಲ್ಪನೆಯನ್ನು ಪಡೆಯುತ್ತದೆ

ಮೇಲಿನ ಉದಾಹರಣೆಯಲ್ಲಿ, ನಾವು WordNet ನಿಂದ “ರಾಶಿ” ಮತ್ತು “ತ್ರಿಜ್ಯ” ದಂತಹ ಅಸ್ಪಷ್ಟ ಘಟಕಗಳ ಜ್ಞಾನದ ​ಎಂಬೆಡಿಂಗ್ ಅನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತೇವೆ ಮತ್ತು BERT ನ ಸ್ವಯಂ-ಗಮನ ಪದರಕ್ಕೆ ಅದೇ ಟೋಕನ್ ಎಂಬೆಡಿಂಗ್‌ಗಳೊಂದಿಗೆ ಅದನ್ನು ತುಂಬುತ್ತೇವೆ.

ಆದ್ದರಿಂದ, ಮುಂದಿನ ಸ್ವಯಂ-ಗಮನ ಪದರವು ಸಂಯೋಜಿತ ಜ್ಞಾನ ಎಂಬೆಡಿಂಗ್ ಮತ್ತು ಅಸ್ಪಷ್ಟ ಘಟಕಗಳ ಟೋಕನ್ ಎಂಬೆಡಿಂಗ್‌ಗೆ ಗಮನ ಕೊಡುತ್ತದೆ ಮತ್ತು ಅದು ಭುಕ್ತ ವಾಕ್ಯವನ್ನು ಉತ್ತಮವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಜ್ಞಾನವನ್ನು ತುಂಬುವುದು ಹೇಗೆ ಹೆಚ್ಚು ವ್ಯಾಖ್ಯಾನಿಸಬಹುದಾದ ವಿಶ್ವಾಸವನ್ನು ನೀಡುತ್ತದೆ:

ಮೇಲಿನ ಉದಾಹರಣೆಯಲ್ಲಿ (ಎರಡನೆಯ ಕೊನೆಯ ಸಾಲು) “ಗ್ರೀನ್‌ಹೌಸ್ ಎಫೆಕ್ಟ್” ಮತ್ತು “ಟ್ರ್ಯಾಪಿಂಗ್” ಮತ್ತು “ಅಬ್ಸಾರ್ಪ್ಶನ್” ನಂತಹ ದ್ವಂದ್ವಾರ್ಥದ ಘಟಕಗಳನ್ನು ಸೇರಿಸಿದ ನಂತರ, ಇದು ಸರಿಯಾದ ಮುನ್ನೋಟಗಳನ್ನು ನೀಡುವುದು ಮಾತ್ರ ಹೇಳಿದುದಲ್ಲದೇ,  ನಾವು ಹೆಚ್ಚಿನ ಘಟಕಗಳನ್ನು ಸೇರಿಸಿದಾಗ ಮುನ್ನೋಟಗಳನ್ನು ನೀಡುವ ವಿಶ್ವಾಸವು 60.55% ಕ್ಕೆ ಏರಿತು.

ನಾವು ಅನುಕ್ರಮವಾಗಿ “ಸೌರಶಕ್ತಿ” ಮತ್ತು “ಕಾರಣ” ದಂತಹ ಹೆಚ್ಚು ಅಸ್ಪಷ್ಟ ಮತ್ತು ಪರಿಕಲ್ಪನಾ ಘಟಕಗಳನ್ನು ಸೇರಿಸಿದಾಗ, ವಿಶ್ವಾಸವು 61.97% ಕ್ಕೆ ಹೆಚ್ಚಾಯಿತು.

ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಹೇಳುವುದಾದರೆ, ನಾವು ಹೆಚ್ಚು ಅರ್ಥಪೂರ್ಣ ಘಟಕಗಳನ್ನು ಸೇರಿಸಿದಾಗ, ಅದು ಸರಿಯಾದ ಮುನ್ನೋಟಗಳನ್ನು ನೀಡಿದೆ (ವೆನಿಲ್ಲಾ BERT ಗಿಂತ ಭಿನ್ನವಾಗಿ) ಆದರೆ ಇದು ಮಾದರಿಯ ವಿಶ್ವಾಸವನ್ನು ಹೆಚ್ಚಿಸಿತು.

ಮೇಧಾಸ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಅನ್ನು Embibe ನಲ್ಲಿರುವ ಶಿಕ್ಷಣ ಸಂಶೋಧನಾ ಪ್ರಯೋಗಾಲಯದಿಂದ ನಿರ್ಮಾಣ ಮಾಡಲಾಗಿದೆ. ಶಿಕ್ಷಣ ಸಂಶೋಧನಾ ಪ್ರಯೋಗಾಲಯವು ಬೃಹದಾಕಾರವಾಗಿ ಪ್ರಭಾವಬೀರುವಂತಹ ಪ್ರಮುಖವಾದ ಮುಕ್ತ ಸಮಸ್ಯೆಗಳನ್ನು ಗುರುತಿಸಲೆಂದು ಇರುವಂತಹ ಒಂದು ಶಿಸ್ತುಬದ್ಧ ಪ್ರಯತ್ನದ ಸೂಕ್ತ ಆವರಣವಾಗಿದೆ. ಮೂಲ ಮೌಲ್ಯ ಪ್ರತಿಪಾದನೆಗಳನ್ನು ಆವಿಷ್ಕರಿಸುವ ಮೂಲಕ ಅತ್ಯಾಧುನಿಕ ಆವಿಷ್ಕಾರಗಳನ್ನು ಪ್ರದರ್ಶಿಸುವಂತಹ ಸಂಶೋಧನೆಯ ಬಗ್ಗೆ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಆಸಕ್ತಿ ಮೂಡುವಂತೆ ಒಂದು ಅರ್ಥಪೂರ್ಣ ಪ್ರಯತ್ನದ ಕಡೆಗೆ ನೂಕುತ್ತದೆ.

ಉಲ್ಲೇಖಗಳು:

[1] ಗೌರ್, ಮಾನಸ್, ಕೆಯೂರ್ ಫಾಲ್ಡು ಮತ್ತು ಅಮಿತ್ ಶೇತ್. “ಸೆಮಾಂಟಿಕ್ಸ್ ಆಫ್‌ ದಿ ಬ್ಲಾಕ್-ಬಾಕ್ಸ್: ಕ್ಯಾನ್ ನಾಲೆಜ್ ಗ್ರಾಫ್ಸ್ ಹೆಲ್ಪ್ ಮೇಕ್ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಸಿಸ್ಟಮ್ಸ್ ಮೋರ್ ಇಂಟರ್ಪ್ರೆಟಬಲ್‌ ಅಂಡ್ ಎಕ್ಸಪ್ಲೈನಬಲ್‌?.” IEEE ಇಂಟರ್ನೆಟ್ ಕಂಪ್ಯೂಟಿಂಗ್ 25, ನಂ. 1 (2021): 51-59.

[2] ಫಾಲ್ದು, ಕೆಯೂರ್, ಅಮಿತ್ ಶೇಠ್, ಪ್ರಶಾಂತ್ ಕಿಕಾನಿ ಮತ್ತು ಹೇಮಾಂಗ್ ಅಕಬರಿ. “ಕಿ-ಬೆರ್ಟ್: ಫಿಲ್ಲಿಂಗ್ ದಿ ನಾಲೆಜ್ ಕಾಂಟೆಕ್ಸ್ಟ್ ಫಾರ್ ಬೆಟರ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಅಂಡ್ ಡೊಮೇನ್ ಅಂಡರ್‌ಸ್ಟ್ಯಾಂಡಿಂಗ್.” arXiv ಪ್ರಿಪ್ರಿಂಟ್ arXiv:2104.08145 (2021).

[3] ಗೌರ್, ಮಾನಸ್, ಅಂಕಿತ್ ದೇಸಾಯಿ, ಕೆಯೂರ್ ಫಲ್ದು ಮತ್ತು ಅಮಿತ್ ಶೇತ್. ” AI ಯೂಸಿಂಗ್ ನಾಲೆಜ್ ಗ್ರಾಫ್ಸ್.” ACM CoDS-COMAD ಸಮ್ಮೇಳನದಲ್ಲಿ. 2020.

[4] ಕೆಯೂರ್ ಫಾಲ್ಡು. “ರೈಸ್ ಅಫ್ ಮಾಡ್ರನ್ NLP ಅಂಡ್ ನೀಡ್ ಆಫ್ ಇನ್ಟ್ರೆಪ್ರೆಟೇಷನ್!” ಟುವರ್ಡ್ಸ್ ಡಾಟಾ ಸೈನ್ಸ್, ಆಗಸ್ಟ್ 2020.

[5] ಕೆಯೂರ್ ಫಾಲ್ಡು, ಡಾ ಅಮಿತ್ ಶೇತ್. “ಡಿಸ್ಕವರಿಂಗ್ ದ ಎನ್‍ಕೋಡೆಡ್ ಲಿಂಗ್ವಿಸ್ಟಿಕ್ ನಾಲೆಡ್ಜ್ ಇನ್ NLP ಮಾಡೆಲ್ಸ್ ” ಟುವರ್ಡ್ಸ್ ಡಾಟಾ ಸೈನ್ಸ್, ಸೆಪ್ಟೆಂಬರ್ 2020.

[6] ಕೆಯೂರ್ ಫಾಲ್ದು, ಡಾ ಅಮಿತ್ ಶೇತ್. “ಲಿಂಗ್ವಿಸ್ಟಿಕ್ ವಿಸಡಂ ಆಫ್ NLP ಮಾಡಲ್ಸ್ .” ಟುವರ್ಡ್ಸ್ ಡಾಟಾ ಸೈನ್ಸ್, ನವೆಂಬರ್ 2020.

[7] A. ಶೇತ್, M. ಗೌರ್, K. ರಾಯ್ ಮತ್ತು K. Faldu, IEEE ಇಂಟರ್ನೆಟ್ ಕಂಪ್ಯೂಟಿಂಗ್‌ನಲ್ಲಿ ” ನಾಲೆಡ್ಜ್ ಇನ್ಟೆನ್ಸೀವ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಅಂಡರ್‌ಸ್ಟ್ಯಾಂಡಿಂಗ್ ಫಾರ್ ಎಕ್ಸ್‌ಪ್ಲೈನಬಲ್ AI” ಸಂಪುಟ. 25, ಸಂ. 5, ಪುಟಗಳು 19-24, 1 ಸೆಪ್ಟೆಂಬರ್-ಅಕ್ಟೋಬರ್. 2021, ದೂ: 10.1109/MIC.2021.3101919

[8] ಫಾಲ್ಡು, ಕೆಯೂರ್, ಅದಿತಿ ಅವಸ್ತಿ ಮತ್ತು ಅಚಿಂತ್ ಥಾಮಸ್. ““ಅಡಾಪ್ಟಿವ್ ಲರ್ನಿಂಗ್ ಮಷೀನ್ ಫಾರ್ ಸ್ಕೋರ್ ಇಂಪ್ರೂವ್ಮೆಂಟ್ ಅಂಡ್ ಪಾರ್ಟ್ಸ್ ದೇರ್‌ಆಫ್‌.” U.S. ಪೇಟೆಂಟ್ 10,854,099, ಡಿಸೆಂಬರ್ 1, 2020 ರಂದು ನೀಡಲಾಗಿದೆ.

[9] ಧವಲಾ, ಸೋಮಾ, ಚಿರಾಗ್ ಭಾಟಿಯಾ, ಜಾಯ್ ಬೋಸ್, ಕೆಯೂರ್ ಫಾಲ್ಡು ಮತ್ತು ಅದಿತಿ ಅವಸ್ತಿ. “ಆಟೋ ಜನರೇಶನ್ ಆಫ್‌ ಡೈಯಾಗ್ನಾಸ್ಟಿಕ್ ಎಸ್ಸೇಸ್ಮೆಂಟ್ಸ್ ಅಂಡ್ ಧೇರ್‌ ಕ್ವಾಲಿಟಿ ಎವಾಲ್ಯೂಯೇಷನ್.” ಇಂಟರ್‌ನ್ಯಾಷನಲ್ ಎಜುಕೇಷನಲ್ ಡಾಟಾ ಮೈನಿಂಗ್ ಸೊಸೈಟಿ (2020).

[10] ಫಾಲ್ಡು, ಕೆಯೂರ್, ಅಚಿಂತ್ ಥಾಮಸ್, ಮತ್ತು ಅದಿತಿ ಅವಸ್ತಿ. “ಸಿಸ್ಟಮ್ ಅಂಡ್ ಮೆಥಡ್ ಫಾರ್ ರೆಕಮೆಂಡಿಂಗ್ ಪರ್ಸನಲೈಜ್ಡ್ ಕಂಟೆಂಟ್ ಯೂಸಿಂಗ್ ಕಾಂಟೆಸ್ಟ್ನಅಲೈಜ್ಡ್ ನಾಲೆಜ್ ಬೇಸ್.” U.S. ಪೇಟೆಂಟ್ ಅಪ್ಲಿಕೇಶನ್ 16/586,512, ಅಕ್ಟೋಬರ್ 1, 2020 ರಂದು ಸಲ್ಲಿಸಲಾಗಿದೆ.

[11] ಥಾಮಸ್, ಅಚಿಂತ್, ಕೆಯೂರ್ ಫಾಲ್ಡು ಮತ್ತು ಅದಿತಿ ಅವಸ್ತಿ. “ಸಿಸ್ಟಮ್ ಅಂಡ್ ಮೆಥಡ್ ಫಾರ್ ಪರ್ಸನಲೈಜ್ಡ್ ರಿಟ್ರೀವಲ್ ಆಫ್‌ ಅಕಾಡೆಮಿಕ್ ಕಂಟೆಂಟ್ ಇನ್ ಎ ಹೈರಾರ್‌ಕಿಯಲ್ ಮ್ಯಾನರ್‌.” U.S. ಪೇಟೆಂಟ್ ಅರ್ಜಿ 16/740,223, ಅಕ್ಟೋಬರ್ 1, 2020 ರಂದು ಸಲ್ಲಿಸಲಾಗಿದೆ.[12]

[12] “#RAISE2020 – Embibe – AI-ಪವರ್ಡ್‌ ಲರ್ನಿಂಗ್ ಔಟಿಕಸ್ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಫಾರ್ ಪರ್ಸನಲೈಜ್ಡ್ ಎಜುಕೇಶನ್”, MyGov India, ಅಕ್ಟೋಬರ್ 2020, https://www.youtube.com/watch?v=kuwFtHgN3qU“

← AI ಹೋಂಗೆ ಹಿಂತಿರುಗಿ