𝗟𝗟𝗠𝘀 𝘃𝘀 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝘃𝗲 𝗔𝗜
Generative AI అనేది ఒక విస్తృతమైన పదం. LLMs ఆ సమూహంలోని ఒక నిర్దిష్ట రకమైన మోడల్. మెరుగైన వ్యవస్థలను నిర్మించడానికి మీరు సాంకేతిక వ్యత్యాసాలను అర్థం చేసుకోవాలి.
LLMs తదుపరి టోకెన్ను అంచనా వేయడానికి Transformers ఉపయోగిస్తాయి. ఇవి autoregressive ప్రక్రియల ద్వారా పనిచేస్తాయి.
LLM ఎలా పనిచేస్తుంది:
- మోడల్ ఒక ప్రాంప్ట్ను తీసుకుంటుంది.
- ఇది వచనాన్ని టోకెన్లుగా మారుస్తుంది.
- ఇది తదుపరి టోకెన్ యొక్క సంభావ్యతను లెక్కిస్తుంది.
- వాక్యాలను రూపొందించడానికి ఇది ఈ లూప్ను పునరావృతం చేస్తుంది.
Diffusion మోడల్స్ భిన్నంగా పనిచేస్తాయి. ఇవి నాయిస్ను రివర్స్ చేయడం ద్వారా చిత్రాలను సృష్టిస్తాయి.
Diffusion మోడల్ ఎలా పనిచేస్తుంది:
- సిస్టమ్ రాండమ్ నాయిస్తో ప్రారంభమవుతుంది.
- ఇది దశలవారీగా నాయిస్ను తొలగిస్తుంది.
- ఒక చిత్రాన్ని వెలికితీయడానికి ఇది ఒక నమూనాను అనుసరిస్తుంది.
- డీనోయిసింగ్ (denoising) ప్రక్రియను నడిపించడానికి ఇది ప్రాంప్ట్లను ఉపయోగిస్తుంది.
ఒక త్వరిత పోలిక: • LLM: autoregressive Transformers ఉపయోగిస్తుంది. అవుట్పుట్ టెక్స్ట్ టోకెన్లు. • Diffusion: ఇటరేటివ్ డీనోయిసింగ్ ఉపయోగిస్తుంది. అవుట్పుట్ పిక్సెల్లు. • GAN: అడ్వర్సేరియల్ ట్రైనింగ్ను ఉపయోగిస్తుంది. అవుట్పుట్ సింథటిక్ డేటా.
ఈ మోడళ్ల మధ్య ఉన్న సరిహద్దు మారుతోంది. చాలా ఆధునిక వ్యవస్థలు ఇప్పుడు Transformer backbones ఉపయోగిస్తున్నాయి. ఆర్కిటెక్చర్ కంపోజిషనల్ (compositional) గా మారుతోంది. అంటే వివిధ రకాల మోడల్స్ ఒకే వ్యవస్థలో కలిసి పనిచేస్తాయి.