चीन में शोधकर्ताओं की एक टीम ने एक कृत्रिम बुद्धिमत्ता मॉडल बनाया है जो अपने निष्क्रिय समय का उपयोग करके उपयोगकर्ता के अगले प्रश्न के पूछे जाने से पहले ही उसकी तैयारी कर लेता है। यह दृष्टिकोण प्रश्नों के बीच की देरी को कम कर सकता है, जिससे संवादी एजेंट अधिक तेज़ और सहज महसूस होंगे।
निष्क्रिय चक्रों को शुरुआती बढ़त में बदलना
\nअधिकांश AI चैटबॉट प्रत्येक प्रश्न को क्रमिक रूप से संसाधित करते हैं। वे सुनते हैं, गणना करते हैं, और फिर उत्तर देते हैं। इसके बीच में अंतराल रह जाता है जहाँ कोई कार्य नहीं होता। चीनी शोधकर्ताओं ने एक मॉडल डिज़ाइन किया जो उपयोगकर्ता के अगले प्रश्न का पूर्वानुमान लगाकर और संभावित उत्तरों की पूर्व-गणना करके उन अंतरालों को भरता है।
जब AI एक प्रश्न का उत्तर देना समाप्त कर लेता है, तो बिना निष्क्रिय रहे, वह वार्तालाप के संदर्भ के आधार पर अगले संभावित प्रश्नों के परिदृश्यों को चलाना शुरू कर देता है। जब तक उपयोगकर्ता अगला प्रश्न टाइप या बोलता है, मॉडल पहले ही कुछ काम कर चुका होता है। परिणामस्वरूप प्रतिक्रिया समय में उल्लेखनीय कमी आती है।
सटीक आर्किटेक्चर के बारे में विवरण सीमित हैं, लेकिन शोधकर्ताओं ने अपने निष्कर्ष एक प्रीप्रिंट में साझा किए। उन्होंने मॉडल का मानक चैटबॉट्स से परीक्षण किया और पाया कि पूर्व-गणना से औसत प्रतिक्रिया विलंबता में सार्थक कमी आई। टीम ने उपयोग किए गए विशिष्ट डेटा सेट या हार्डवेयर का खुलासा नहीं किया।
मॉडल अगले कदम का अनुमान कैसे लगाता है
\nसिस्टम बस यूँ ही अनुमान नहीं लगाता। यह वार्तालाप के इतिहास और उपयोगकर्ता के अंतिम संदेश का उपयोग करके संभावित अनुवर्ती प्रश्नों को क्रमबद्ध करता है। उदाहरण के लिए, यदि कोई मौसम पूर्वानुमान के बारे में पूछता है, तो मॉडल \"कल के बारे में क्या?\" या \"क्या इस सप्ताहांत बारिश होगी?\" जैसे प्रश्नों के उत्तर पूर्व-गणना कर सकता है।
यह पूर्वानुमान क्षमता एक हल्के तंत्रिका नेटवर्क पर निर्भर करती है जो मुख्य चैट इंजन के समानांतर चलता है। शोधकर्ताओं का कहना है कि ओवरहेड छोटा है – अतिरिक्त गणना मुख्य मॉडल द्वारा उपयोग किए जाने वाले संसाधनों का केवल एक अंश खपत करती है।
एक चुनौती: मॉडल केवल सीमित संख्या में उम्मीदवारों के लिए तैयारी कर सकता है। यदि उपयोगकर्ता पूरी तरह से अलग कुछ पूछता है, तो पूर्व-गणना किया गया काम बेकार हो जाता है। टीम उम्मीदवारों की सूची को बढ़ाए बिना पूर्वानुमान सटीकता में सुधार के तरीकों की खोज कर रही है।
रोज़मर्रा के AI सहायकों के लिए इसका क्या अर्थ है
\nवर्चुअल असिस्टेंट, ग्राहक-सेवा बॉट और वॉयस-सक्रिय डिवाइस इस दृष्टिकोण से लाभान्वित हो सकते हैं। तेज़ प्रतिक्रियाएँ बातचीत को अधिक प्राकृतिक बनाती हैं, विशेषकर जब उपयोगकर्ता तेज़ी से अनुवर्ती प्रश्न पूछते हैं।
लेकिन यह विचार केवल चैट तक सीमित नहीं है। यही तकनीक कोड ऑटोकम्प्लीट, इमेज जनरेशन, या किसी भी AI सिस्टम पर लागू हो सकती है जहाँ उपयोगकर्ता संबंधित आदेशों की एक श्रृंखला जारी करता है।
वाणिज्यिक अपनाने की गारंटी नहीं है। मॉडल को विश्वसनीय पूर्वानुमान मॉडल बनाने के लिए बड़े वार्तालाप लॉग पर प्रशिक्षित किया जाना चाहिए। कंपनियों को विलंबता बचत के मुकाबले अतिरिक्त कम्प्यूटेशनल लागत का मूल्यांकन भी करना होगा।
शोधकर्ताओं ने मॉडल को सार्वजनिक रूप से जारी करने या किसी कंपनी के साथ साझेदारी करने की कोई योजना घोषित नहीं की है। वे पूर्वानुमान एल्गोरिदम में सुधार और झूठी शुरुआत को कम करने पर काम जारी रखे हुए हैं।
