ডিকোডিং পাৰফমেন্স
জ্ঞান বন্ধু: তোমাৰ শৈক্ষিক সঙ্গী
Embibeত, আমি শিক্ষাৰ্থীসকলৰ শিক্ষণ যাত্ৰা শক্তিশালী কৰিবলৈ প্ৰতিশ্ৰুতিবদ্ধ। জ্ঞান বন্ধু হৈছে প্ৰশ্নৰ উত্তৰ আৰু সন্দেহসমাধান ব্যৱহাৰ কৰি শিক্ষাৰ্থীসকলক তেওঁলোকৰ শিক্ষণ সংশোধন কৰাত সহায় কৰিবলৈ নিৰ্মাণ কৰা এটা কৃত্ৰিম বুদ্ধিমত্তাৰ চ্যাটবট।
স্বয়ংপ্ৰশ্ন সৃষ্টি আৰু উত্তৰৰ বাবে গভীৰ শিক্ষণ মডেলৰ পৰিপূৰক হোৱাৰ বাবে স্পষ্ট ক্ষেত্ৰৰ জ্ঞান গুৰুত্বপূৰ্ণ। Embibeৰ জ্ঞান লেখ হৈছে সমল বুদ্ধিমত্তাৰ মেৰুদণ্ড, ইয়াত এক মিলিয়নতকৈও অধিক সম্পৰ্ক ব্যৱহাৰ কৰি হাজাৰ হাজাৰ ধাৰণা আৰু দক্ষতা আন্তঃসংযোগিত।
জ্ঞান বন্ধু কথোপকথনমূলক কৃত্ৰিম বুদ্ধিমত্তা আৰু অত্যাধুনিক ভাষা আৰু দৃষ্টি আৰ্হি ব্যৱহাৰ কৰি নিৰ্মাণ কৰা হয়। ই বুদ্ধিমান কথোপকথন সৃষ্টি কৰিবলৈ এই গভীৰ শিক্ষণ আৰ্হিবোৰত শৈক্ষিক জ্ঞান লেখৰ পৰা জ্ঞানৰ প্ৰসংগ প্ৰদান কৰে।
জ্ঞান বন্ধুৱে নিম্নলিখিত ক্ষমতাবোৰ প্ৰদান কৰে:
- শিক্ষাৰ্থীৰ শিকনৰ ফলাফল মূল্যাঙ্কন কৰিবলৈ এজন শিক্ষাৰ্থীৰ শিকাৰ ইতিহাসৰ ওপৰত আধাৰিত কৰি স্বয়ং-সৃষ্টি কৰে আৰু প্ৰশ্ন কৰে।
- শিক্ষাৰ্থীয়ে শিকন সমলৰ সৈতে জড়িত হৈ থাকোতে শিক্ষাৰ্থীৰ প্ৰশ্নৰ উত্তৰ দিয়ে।
- ব্যৱহাৰকাৰীসকলে পছন্দ কৰা স্থানীয় ভাষাত প্ৰশ্ন, আৰু উত্তৰসমূহ স্বয়ংক্ৰিয় ভাৱে অনুবাদ কৰে।
জ্ঞান বন্ধুৰ সামৰ্থ্যৰ উদাহৰণ চিত্ৰ 1 ত দেখুওৱা হৈছে
- প্ৰশ্ন উৎপন্ন (QG)
স্বয়ংক্ৰিয়ভাৱে প্ৰশ্ন সৃষ্টি কৰাৰ সামৰ্থ্যই শিক্ষাৰ্থীসকলৰ সৈতে জড়িত হোৱাৰ আৰু তেওঁলোকৰ ধাৰণাবোৰ নিপুণতা মূল্যায়ন কৰাৰ সুযোগ আনিব পাৰে। আমি টি5, ইউনিএলএম আদিৰ দৰে অত্যাধুনিক ভাষাৰ আৰ্হিবোৰ সম্প্ৰসাৰিত কৰিছো, আৰু তেওঁলোকক উপলব্ধ গৱেষণা ডাটাছেট যেনে এআৰচি, ড্ৰপ, কিউএএছচি, চাইকিউ, চাইটেইল, স্কোয়াড, হটপটকিউএ ইত্যাদিৰ ওপৰত প্ৰশিক্ষণ দিছো। আমি একাধিক প্ৰকাৰৰ প্ৰশ্ন যেনে বুলিয়ান, স্প্যান-আধাৰিত, খালী ঠাই পূৰণ কৰা, একাধিক বিকল্পৰ প্ৰশ্ন আদি সমৰ্থন কৰোঁ।আমি কে.আই.-বি.ই.আৰ.টি.-ৰ দৰে স্থাপত্যৰ সৈতে একাডেমিক জ্ঞান লেখৰ পৰা জ্ঞান সঞ্চাৰ লাভ কৰোঁ ।। আমি লগতে নিশ্চিত কৰোঁ যে জ্ঞান লেখ [4][6][7]ৰ সৈতে বৃদ্ধি কৰাৰ সহায়ত আৰ্হিবোৰ অধিক ব্যাখ্যাযোগ্য আৰু ব্যাখ্যাযোগ্য হয়। আমাৰ মডেলবোৰে সত্তা সচেতন মনোযোগ প্ৰণালীৰ সহায়ত বহু-আশা প্ৰশ্নও সৃষ্টি কৰে। প্ৰশ্ন প্ৰজন্ম আৰ্হি শিকাৰ প্ৰসংগক নিৱেশ হিচাপে, বিচৰা প্ৰশ্নৰ প্ৰকাৰৰ বাবে প্ৰম্পট, আৰু নিৱেশ হিচাপে অন্যান্য প্ৰশ্নপ্ৰকাৰৰ নিৰ্দিষ্ট মেটাডাটা হিচাপে লয়। আমি প্ৰশ্নবোৰ সৃষ্টি কৰিবলৈ বীম অনুসন্ধান আৰু নিউক্লিয়াছ চেম্পলিং পদ্ধতি ব্যৱহাৰ কৰোঁ।
2. প্ৰশ্নোত্তৰ(QA)
শিক্ষাৰ্থীসকলৰ শিকনৰ যাত্ৰা ইতিবাচকভাৱে প্ৰভাৱিত হয় যেতিয়া তেওঁলোকৰ সৈতে জড়িত হোৱাৰ এক আকস্মিক প্ৰশ্নৰ উত্তৰ দিয়াৰ সামৰ্থ্য থাকে। যেতিয়াই তেওঁলোকৰ প্ৰশ্নৰ উত্তৰ দিয়া হয় তেতিয়া শিক্ষাৰ্থীসকলৰ শিকাৰ কাৰ্যকলাপ কাৰ্যকৰী হ’ব। জ্ঞান বন্ধুৱে শিক্ষাৰ্থীসকলক যিকোনো প্ৰশ্ন সুধিবলৈ ক্ষমতা প্ৰদান কৰে, যাৰ উত্তৰ প্ৰশ্নোত্তৰ আৰ্হি ব্যৱহাৰ কৰি দিয়া হ’ব। প্ৰশ্নৰ উত্তৰ দিয়া আৰ্হি বোৰ টি টি5, ইউনিএলএম আদিৰ দৰে পূৰ্ব-প্ৰশিক্ষিত ভাষাৰ আৰ্হি বোৰ ব্যৱহাৰ কৰি প্ৰশিক্ষণ দিয়া হয় আৰু গৱেষণা তথ্য সংহতি বোৰত সূক্ষ্ম ভাৱে টিউন কৰা হয়, আৰু পূৰ্বৱৰ্তী শাখাবোৰত উল্লেখ কৰা Embibeৰ মালিকানাধীন তথ্য সংহতিবোৰ। ব্যৱহাৰকাৰীসকলে বিভিন্ন প্ৰসংগ-প্ৰকাৰৰ প্ৰশ্ন সুধিব পাৰে, যেনে বাছনি কৰা পাঠ, এটা অধ্যায়, কিতাপ, বা পাঠ্যক্ৰম। আমাৰ প্ৰশ্ন উত্তৰ প্ৰণালীয়ে ঘন ভেক্টৰ অৰ্থগত সাদৃশ্য ব্যৱহাৰ কৰি প্ৰসংগ-প্ৰকাৰৰ ওপৰত আধাৰিত কৰি প্ৰাসঙ্গিক প্ৰসংগটো বাছনি কৰে আৰু উত্তৰৰ পূৰ্বানুমান কৰিবলৈ এটা প্ৰশ্নৰ উত্তৰ দিয়া আৰ্হিবোৰ আহ্বান কৰে। ফিডবেক লুপে আমাৰ আৰ্হিটো উন্নত হোৱাত নিৰন্তৰ সহায় কৰিব। আমাৰ প্ৰশ্নৰ উত্তৰ দিয়া আৰ্হিটো ইমান উন্নত যে ই এনইইটি প্ৰৱেশ পৰীক্ষাত স্বয়ংক্ৰিয়ভাৱে কৰিব পাৰে।
3. স্থানীয় ভাষাত অনুবাদ (VT)
জ্ঞান বন্ধুৱে একাধিক ভাষা সমৰ্থন কৰে আৰু ব্যৱহাৰকাৰীৰ পছন্দৰ ওপৰত আধাৰিত কৰি সম্পূৰ্ণ কথোপকথন যিকোনো স্থানীয় ভাষাত হ’ব পাৰে। ই যিকোনো পূৰ্ব-নিৰ্ধাৰিত ভাষাত স্বয়ং-উৎপন্ন প্ৰশ্ন সুধিব পাৰে, আৰু ই একে ভাষাত উত্তৰবোৰ মূল্যাঙ্কন কৰিব পাৰে। আমি স্থানীয়ভাৱে বিকশিত এনএমটি আৰ্হি এটা ব্যৱহাৰ কৰোঁ যি সাধাৰণ অনুবাদৰ বাবে অন্যান্য অফ-দ্য-শ্বেল্ফ মোডবোৰক অতিক্ৰম কৰে। বৰ্তমান, আমি চ্যাটবটত 11 টা ভাৰতীয় ভাষা সমৰ্থন কৰো, যাৰ ভিতৰত আছে হিন্দী, গুজৰাটী, মাৰাঠী, তামিল, তেলেগু, বাংলা, কানাড়া, অসমীয়া, ওড়িয়া, পাঞ্জাৱী আৰু মালায়ালম। আমাৰ স্থানীয়ভাৱে বিকশিত আৰ্হিবোৰে একাডেমিক ক্ষেত্ৰ নিৰ্দিষ্টতাৰ বাবে গুগল ট্ৰান্সলেটৰ দৰে তৃতীয় পক্ষৰ এপিআইক অতিক্ৰম কৰে।
আমি তালিকা 1 ত কিছুমান উদাহৰণ দেখিবলৈ পাইছোঁ য’ত আমাৰ অনুবাদ গুগল অনুবাদতকৈও উন্নত।
| ইংৰাজী | গুগলৰ অনুবাদ | জ্ঞান বন্ধুৱে কৰা অনুবাদ |
| which of the following law was given by Einstein: | निम्नलिखित में से कौन सा कानून आइंस्टीन द्वारा दिया गया था: | निम्नलिखित में से कौन सा नियम आइंस्टीन द्वारा दिया गया था: |
| which one of the following is not alkaline earth metal? | निम्नलिखित में से कौन क्षारीय पृथ्वी धातु नहीं है | निम्नलिखित में से कौन सा क्षारीय मृदा धातु नहीं है? |
| Endogenous antigens are produced by intra-cellular bacteria within a host cell. | अंतर्जात प्रतिजन एक मेजबान कोशिका के भीतर इंट्रा-सेलुलर बैक्टीरिया द्वारा निर्मित होते हैं। | अंतर्जात प्रतिजन एक परपोषी कोशिका के भीतर अंत: कोशिकीय जीवाणु द्वारा उत्पन्न किए जाते हैं। |
তালিকা 1: Embibe ৰ অনুবাদ সক্ষমতা দেখুৱাবলৈ কেতবোৰ উদাহৰণ
চিত্ৰ 1: জ্ঞানবন্ধুৰ প্ৰশ্ন সৃষ্টিৰ, উত্তৰ প্ৰদান কৰাৰ আৰু অনুবাদ কৰাৰ সক্ষমতাৰ প্ৰদৰ্শন
সাৰাংশত, কথোপকথনমূলক কৃত্ৰিম বুদ্ধিমত্তাৰ (AI) চ্যাটবট জ্ঞান বন্ধুৱে শিকনৰ ফলাফল প্ৰদান কৰাত সহায় কৰি এজন শিক্ষাৰ্থীৰ শিকাৰ যাত্ৰাত প্ৰভাৱ পেলাব পাৰে। ই প্ৰতিটো শিক্ষণ অধিৱেশনৰ পিছত শিক্ষাৰ্থীসকলক সহায় কৰিব পাৰে, য’ত শিক্ষাৰ্থীসকলে প্ৰশ্ন সুধিব পাৰে, তেওঁলোকৰ সন্দেহ সমাধান কৰিব পাৰে, তেওঁলোকৰ নিজৰ মাতৃভাষাত। জ্ঞান বন্ধুৱে আমাৰ এনএলইউ মঞ্চ মেধাছৰ দ্বাৰা চালিত, যি ক্ষেত্ৰ জ্ঞান সঞ্চাৰ, ব্যাখ্যাযোগ্যতা আৰু ব্যাখ্যাযোগ্যতাক মূল অন্তৰ্নিহিত নীতি হিচাপে আনিছে [3][4][6][7][8]।
তথ্যসূত্ৰ
[1] Raffel, Colin, Noam Shazeer, Adam Roberts, Katherine Lee, Sharan Narang, Michael Matena, Yanqi Zhou, Wei Li, and Peter J. Liu. “Exploring the limits of transfer learning with a unified text-to-text transformer.” arXiv preprint arXiv:1910.10683 (2019).
[2] Dong, Li, Nan Yang, Wenhui Wang, Furu Wei, Xiaodong Liu, Yu Wang, Jianfeng Gao, Ming Zhou, and Hsiao-Wuen Hon. “Unified language model pre-training for natural language understanding and generation.” arXiv preprint arXiv:1905.03197 (2019).
[3] Faldu, Keyur, Amit Sheth, Prashant Kikani, and Hemang Akabari. “KI-BERT: Infusing Knowledge Context for Better Language and Domain Understanding.” arXiv preprint arXiv:2104.08145 (2021).
[4] Gaur, Manas, Keyur Faldu, and Amit Sheth. “Semantics of the Black-Box: Can knowledge graphs help make deep learning systems more interpretable and explainable?.” IEEE Internet Computing 25, no. 1 (2021): 51-59.
[5] Zhu, Fengbin, Wenqiang Lei, Chao Wang, Jianming Zheng, Soujanya Poria, and Tat-Seng Chua. “Retrieving and reading: A comprehensive survey on open-domain question answering.” arXiv preprint arXiv:2101.00774 (2021).
[6] Gaur, Manas, Ankit Desai, Keyur Faldu, and Amit Sheth. “Explainable AI Using Knowledge Graphs.” In ACM CoDS-COMAD Conference. 2020.
[7] Sheth, Amit, Manas Gaur, Kaushik Roy, and Keyur Faldu. “Knowledge-intensive Language Understanding for Explainable AI.” IEEE Internet Computing 25, no. 5 (2021): 19-24.
[8] “[Tutorial] Explainable AI using Knowledge Graphs”, YouTube, ACM SIGKDD India Chapter, Jan 2021, https://www.youtube.com/watch?v=f1sahXYDjRI
[9] “#RAISE2020 – Embibe – AI-Powered learning outcomes platform for personalized education”, MyGov India, Oct 2020, https://www.youtube.com/watch?v=kuwFtHgN3qU
← AI হোমলৈ ঘূৰি যোৱা
