Si Mendojnë Modelet AI?
Bazat e AI — Pjesa I — AI Fundamentals
Modelet AI si ChatGPTNjë shembull i njohur modeli gjuhësor (LLM) me të cilin përdoruesit bisedojnë në gjuhë natyrale. nuk "mendojnë" në kuptimin njerëzor. Ato janë sisteme Parashikimi (Prediction)Procesi thelbësor i një modeli AI: përpjekja për të gjetur fjalën/tokenin tjetër më të mundshëm bazuar në modele statistikore. që përpiqen të gjejnë fjalën tjetër më të mundshme, duke u bazuar te modele statistikore të mësuara gjatë Trajnimi (Training)Procesi ku modeli mëson nga sasi gjigante informacioni (libra, artikuj, kod, etj.), duke zbuluar modele statistikore në të dhëna.. Teksti ndahet në njësi të vogla të quajtura Tokenë (Tokens)Njësitë më të vogla në të cilat ndahet teksti (fjalë, pjesë fjalësh a shenja); modeli punon me tokenë, jo me fjalë të plota., ndërsa njohuritë e mësuara ruhen si ParametratNumra matematikorë brenda modelit që ruajnë marrëdhëniet statistike të mësuara gjatë trajnimit; modelet moderne kanë miliarda deri qindra miliarda prej tyre. — numra matematikorë brenda modelit. Modeli merr parasysh edhe KontekstiInformacioni (pyetja aktuale, historia e bisedës, të dhënat e dhëna) që modeli analizon për të kuptuar më mirë çfarë i kërkohet. e bisedës, por meqë është optimizuar për përgjigjen më të mundshme (jo domosdoshmërisht më të saktën), mund të prodhojë HallucinationsRaste kur modeli prodhon fakte, burime ose informacione të pasakta a të shpikura, duke i paraqitur si të vërteta. — informacione të shpikura që duken të besueshme.
1 Thelbi Kuiz i shpejtë
1. Sipas artikullit, si funksionon kryesisht AI kur 'komunikon' me ne?
2. Kur shohim një përgjigje të mirë nga AI, çfarë supozon truri ynë gabimisht, sipas artikullit?
3. Çfarë NUK ka një model AI, sipas artikullit, ndryshe nga njeriu?
🔒 Përgjigju saktë të gjitha pyetjeve dhe kalo tek ndarja e radhës 2 Shpjegimi
Kur përdor ChatGPT ose një model tjetër AI, shpesh duket sikur po bisedon me një njeri. Modeli përgjigjet shpejt, shpjegon koncepte, shkruan ese, programon dhe analizon probleme. Kjo krijon një pyetje natyrale: si mendon AI? Përgjigjja e shkurtër është: AI nuk mendon si njeriu. Megjithatë, ajo përdor metoda statistikore shumë të avancuara që prodhojnë rezultate që shpesh duken si arsyetim njerëzor. (Figura 3.1: Si parashikon modeli fjalën tjetër.)
Kur shohim një përgjigje të mirë, truri ynë supozon se pas saj qëndron një mendim i vetëdijshëm. Por në realitet modeli nuk ka vetëdije, emocione, bindje apo dëshira. Ai nuk "di" gjërat në mënyrën që i dimë ne — ai punon duke zbuluar modele në gjuhë. Kjo quhet iluzioni i inteligjencës.
Mënyra më e thjeshtë për të kuptuar një LLMLarge Language Model — model gjuhësor i madh, i trajnuar për të parashikuar fjalën tjetër më të mundshme në një tekst. është kjo: imagjino një lojë ku duhet të plotësosh fjalën që mungon. Shembull: "Tirana është kryeqyteti i ______". Pothuajse të gjithë do të thonë "Shqipërisë", sepse truri ka parë shumë herë këtë model. Modeli AI bën diçka të ngjashme — ai përpiqet të parashikojë cila është fjala tjetër më e mundshme. Kjo është Parashikimi (Prediction) në thelb.
Nëse modeli mund të parashikojë një fjalë, mund të parashikojë dy, pastaj tre, pastaj një fjali, pastaj një paragraf, pastaj një kapitull të tërë. Kjo është arsyeja pse një model mund të shkruajë artikuj, tregime, raporte dhe dokumentacione — thjesht duke përsëritur të njëjtin proces parashikimi, fjalë pas fjale.
Modelet AI nuk shohin tekstin si njerëzit. Ato e ndajnë tekstin në njësi më të vogla të quajtura Tokenë (Tokens). Për shembull, fjalia "Unë po mësoj Inteligjencën Artificiale" mund të ndahet në disa tokenë, ose në pjesë edhe më të vogla. Modeli punon me tokenë, jo me fjalë të plota. Kur shkruan një pyetje, ndodh ky proces: Prompt → Tokenization → Model Processing → Prediction → Response.
Modeli nuk sheh ide siç i sheh njeriu. Ai sheh modele statistikore. Për shembull, nëse miliona dokumente përmbajnë fjalinë "Mjeku punon në spital", modeli mëson lidhjen midis "Mjek" dhe "Spital" — jo si kuptim, por si marrëdhënie statistikore e fortë mes fjalëve.
2 Shpjegimi Kuiz i shpejtë
1. Cila lojë përdor artikulli për të shpjeguar si funksionon një LLM?
2. Çfarë janë 'tokenët', sipas artikullit?
3. Si i sheh modeli fjalitë si 'Mjeku punon në spital', sipas artikullit?
🔒 Përgjigju saktë të gjitha pyetjeve dhe kalo tek ndarja e radhës 3 Përmbledhja
- AI funksionon kryesisht si sistem Parashikimi (Prediction).
- Modelet punojnë me Tokenë (Tokens), jo me fjalë të plota.
- Trajnimi (Training) bazohet në sasi të mëdha të dhënash.
- Parametrat ruajnë njohuritë e modelit si numra matematikorë.
- Konteksti është thelbësor për të kuptuar bisedën.
- AI mund të gabojë dhe të prodhojë Hallucinations.
- Prompt-et e mira japin rezultate më të mira.
3 Përmbledhja Kuiz i shpejtë
1. Çfarë përfaqësojnë 'Parametrat' e një modeli AI, sipas artikullit?
2. Çfarë përcakton 'Context Window' e një modeli?
3. Pse ndodhin 'Hallucinations', sipas artikullit?
🔒 Përgjigju saktë të gjitha pyetjeve dhe kalo tek ndarja e radhës 4 Fakt
Çfarë është Trajnimi?
Trajnimi (Training) është procesi ku modeli mëson nga sasi gjigante informacioni. Burimet mund të përfshijnë libra, artikuj, faqe interneti, dokumentacione dhe kod programimi. Gjatë trajnimit, modeli lexon miliarda shembuj — njësoj si një student që lexon miliona libra, miliona artikuj dhe miliarda fjali, dhe pas shumë vitesh leximi fillon të kuptojë modele. Kjo është afërsisht ajo që ndodh gjatë trajnimit të një LLM.
Parametrat
Parametrat janë numra matematikorë që përfaqësojnë atë që modeli ka mësuar. Modelet moderne kanë miliarda, ose qindra miliarda parametra. Këta parametra ruajnë marrëdhëniet statistike që modeli ka zbuluar. Nëse modeli sheh shpesh "Qielli është blu", ai mëson një lidhje të fortë mes "Qielli" dhe "blu" — kjo lidhje nuk ruhet si fjali, por si modele matematikore.
Konteksti dhe Window e Kontekstit
Konteksti është një nga konceptet më të rëndësishme në AI moderne. Modeli nuk analizon vetëm fjalën e fundit — ai analizon pyetjen, historinë e bisedës dhe informacionin e dhënë. Për shembull, nëse pyetim "Sa banorë ka Gjermania?" dhe më pas "Po Franca?", modeli kupton se pyetja e dytë lidhet me popullsinë. Çdo model ka një kufi sa informacion mund të mbajë njëherësh, i quajtur Context Window — sa më e madhe kjo dritare, aq më shumë informacion mund të përdorë modeli.
Reasoning dhe Hallucinations
A arsyeton AI? Përgjigjja është po, deri në një masë — modelet moderne mund të zbërthejnë probleme, të analizojnë hapa, të krahasojnë alternativa dhe të ndjekin logjikë, por ky arsyetim nuk është identik me atë njerëzor. Një nga problemet më të njohura është kur AI krijon fakte të pasakta, burime që nuk ekzistojnë, ose informacione të shpikura — kjo quhet Hallucinations. Ndodh sepse modeli është optimizuar për të prodhuar përgjigjen më të mundshme, jo domosdoshmërisht më të saktën.
Modeli mendor i kapitullit
Zemra e procesit mund të përmblidhet në një zinxhir të thjeshtë: Prompt → Tokens → Patterns → Prediction → Response. Ky diagram ndihmon të kuptohet si funksionon çdo model gjuhësor, pavarësisht kompleksitetit të tij të brendshëm.
4 Fakt Kuiz i shpejtë
1. Sipas përfundimit të artikullit, çfarë nuk bën modeli AI?
2. Cila është formula e thjeshtë e paraqitur për të mbajtur mend procesin e modelit?
3. Çfarë duhet bërë kur kërkohet saktësi e lartë nga një përgjigje AI, sipas artikullit?
🔒 Përgjigju saktë të gjitha pyetjeve dhe kalo tek ndarja e radhës 5 Përfundimi
Modeli nuk lexon mendjen — ai punon vetëm me informacionin që i jepet. Prandaj cilësia e PromptTeksti/pyetja që i jepet modelit si input; cilësia e prompt-it ndikon drejtpërdrejt në cilësinë e përgjigjes.-it ka rëndësi të madhe: një prompt i dobët si "Më ndihmo" jep rezultate të dobëta, ndërsa një prompt i qartë si "Shpjego çfarë është Docker për një fillestar me shembuj praktikë" jep rezultate shumë më të mira. Formula e thjeshtë për ta mbajtur mend: Data → Training → Patterns → Prediction → Response. Modeli është shumë i fuqishëm, mund të analizojë sasi të mëdha informacioni dhe të ndihmojë në shumë detyra — por nuk është i pagabueshëm, nuk është i vetëdijshëm, nuk di gjithçka dhe duhet verifikuar kur kërkohet saktësi e lartë.
5 Përfundimi Kuiz i shpejtë
1. Çfarë është një 'Token', sipas terminologjisë së artikullit?
2. Si përkufizohen 'Parametrat' e një modeli AI?
3. Çfarë do të thotë 'Context Window' në terminologjinë e artikullit?
🔒 Përgjigju saktë të gjitha pyetjeve dhe kalo tek ndarja e radhës 6 Terminologji
Një shembull i njohur modeli gjuhësor (LLM) me të cilin përdoruesit bisedojnë në gjuhë natyrale.
Raste kur modeli prodhon fakte, burime ose informacione të pasakta a të shpikura, duke i paraqitur si të vërteta.
Informacioni (pyetja aktuale, historia e bisedës, të dhënat e dhëna) që modeli analizon për të kuptuar më mirë çfarë i kërkohet.
Large Language Model — model gjuhësor i madh, i trajnuar për të parashikuar fjalën tjetër më të mundshme në një tekst.
Numra matematikorë brenda modelit që ruajnë marrëdhëniet statistike të mësuara gjatë trajnimit; modelet moderne kanë miliarda deri qindra miliarda prej tyre.
Procesi thelbësor i një modeli AI: përpjekja për të gjetur fjalën/tokenin tjetër më të mundshëm bazuar në modele statistikore.
Teksti/pyetja që i jepet modelit si input; cilësia e prompt-it ndikon drejtpërdrejt në cilësinë e përgjigjes.
Njësitë më të vogla në të cilat ndahet teksti (fjalë, pjesë fjalësh a shenja); modeli punon me tokenë, jo me fjalë të plota.
Procesi ku modeli mëson nga sasi gjigante informacioni (libra, artikuj, kod, etj.), duke zbuluar modele statistikore në të dhëna.
1. Sipas artikullit, si funksionon kryesisht një model AI si ChatGPT?
Artikulli thekson qartë se AI nuk mendon si njeriu — ajo është një sistem parashikimi që përdor metoda statistikore të avancuara.
2. Çfarë janë 'tokenët'?
Modelet nuk shohin tekstin si fjalë të plota, por e ndajnë atë në tokenë — njësi më të vogla teksti.
3. Çfarë bazohet kryesisht Trajnimi (Training) i një modeli AI?
Trajnimi është procesi ku modeli mëson nga sasi gjigante informacioni, të ngjashme me një student që lexon miliona burime.
4. Çfarë ruajnë 'Parametrat' e një modeli?
Parametrat janë numra matematikorë që përfaqësojnë atë që modeli ka mësuar, si p.sh. lidhjen mes 'Qielli' dhe 'blu'.
5. Pse është i rëndësishëm 'Konteksti' për një model AI?
Falë kontekstit, modeli kupton p.sh. që pyetja 'Po Franca?' pas 'Sa banorë ka Gjermania?' lidhet me popullsinë.
6. Çfarë janë 'Hallucinations' në kontekstin e AI?
Hallucinations ndodhin sepse modeli është optimizuar për përgjigjen më të mundshme, jo domosdoshmërisht më të saktën.
7. Pse kanë rëndësi prompt-et e mira, sipas artikullit?
Një prompt i qartë dhe specifik (p.sh. me shembuj praktikë) jep rezultate dukshëm më të mira se një prompt i paqartë si 'Më ndihmo'.
8. Cili është procesi bazë kur i dërgon një pyetje modelit, sipas artikullit?
Ky është zinxhiri i thjeshtë i procesit: prompt-i ndahet në tokenë, përpunohet nga modeli, dhe prodhohet një parashikim që kthehet si përgjigje.
9. A arsyeton AI, sipas artikullit?
Artikulli e pranon se modelet moderne mund të kryejnë një lloj arsyetimi, por qartëson se ai nuk është identik me arsyetimin njerëzor.
10. Cila është përmbledhja më e saktë e mesazhit kryesor të kapitullit?
Kapitulli lidh të gjitha konceptet: tokenë, trajnim, parametra, kontekst dhe hallucinations, për të treguar si funksionon realisht një model AI si sistem parashikimi statistikor.
Ushtrimi 1. Shpjego me fjalët e tua: pse një LLM quhet "model parashikimi"?
Shfaq përgjigjen
Sepse detyra e tij themelore nuk është të "kuptojë" si njeriu, por të parashikojë cila është fjala (ose tokeni) tjetër më i mundshëm, bazuar në modelet statistikore që ka mësuar gjatë trajnimit — njësoj si loja e plotësimit të fjalisë së mangët.
Ushtrimi 2. Çfarë është një token?
Shfaq përgjigjen
Një token është një njësi më e vogël teksti — mund të jetë një fjalë e plotë, një pjesë fjale ose një shenjë pikësimi — me të cilën modeli punon në vend të fjalëve të plota, pasi teksti ndahet ("tokenizohet") para se të përpunohet.
Ushtrimi 3. Cili është ndryshimi midis: Data, Training, dhe Parameters?
Shfaq përgjigjen
"Data" (të dhënat) është lënda e parë — teksti, kodi apo shembujt me të cilët ushqehet modeli. "Training" (trajnimi) është procesi gjatë të cilit modeli lexon dhe përpunon këto të dhëna për të zbuluar modele. "Parameters" (parametrat) janë rezultati i këtij procesi — numrat matematikorë që ruajnë njohuritë e mësuara nga modeli.
Projekt Mini. Projekt Mini. Merr një pyetje të zakonshme dhe krijo: (1) një prompt të dobët, (2) një prompt mesatar, (3) një prompt profesional. Krahaso rezultatet që do të merrje nga secili.
Shfaq përgjigjen
Shembull, pyetja: "Si të mësoj programim?" (1) Prompt i dobët: "Më ndihmo të mësoj programim." — shumë i përgjithshëm, përgjigjja do të jetë gjithashtu e përgjithshme. (2) Prompt mesatar: "Më sugjero një plan për të mësuar Python si fillestar." — më i strukturuar, por ende pa kontekst personal. (3) Prompt profesional: "Jam fillestar pa përvojë, kam 30 minuta në ditë dhe dua të mësoj Python për analizë të dhënash brenda 3 muajve — më jep një plan javor me burime konkrete." Sa më specifik dhe kontekstual prompt-i, aq më i personalizuar dhe i dobishëm bëhet rezultati.