Career Update : चॅटजीपीटी फोर मध्ये नवीन काय ?

चॅटजीपीटी तंत्रज्ञान हे ओपन एआय मॉडेलवर आधारित होते. आर्टिफिशियल इंटेलिजन्स, मशिन लर्निंग आणि नॅचरल लँग्वेज प्रोसेसिंग यांच्या साहाय्याने ओपन एआय मॉडेलचे काम चालते. मशिन लर्निंगचा विचार करता चॅटजीपीटी हे आपल्या वापरकर्त्यांकडून अनेक गोष्टी जलद गतीने शिकून घेते. त्यामुळेच या तंत्रज्ञानावर आधारित अॅप्लिकेशन्स भविष्यात कोणता टप्पा गाठू शकतील याबाबत कोणताच अंदाज बांधता येत नाही. चॅटजीपीटी फोर ही चॅटजीपीटीची पहिली सुधारित आवृत्ती यापूर्वीच बाजारपेठेमध्ये उपलब्ध आहे. बिंग सर्च या तंत्रज्ञानाचा वापर करत आहे.

नवीन काय?

जीपीटीफोर हे नवीन मल्टीमोडल लँग्वेज मॉडेल आहे. हे मॉडेल मनुष्याच्या बोलण्याप्रमाणे उत्तरे देऊ शकते. ‘मल्टीमोडल’ असल्यामुळे या तंत्रज्ञानामध्ये चित्र आणि शब्द अशा दोन्ही माध्यमातून इनपुट देता येते. व्हिडिओचा इनपुट म्हणून उपयोग करता येऊ शकतो का याबाबत पुरेशी स्पष्टता नाही.

निर्मितीक्षमता - संगीत निर्देशन, स्क्रिप्ट्स किंवा स्क्रीनप्ले अशा प्रकारच्या सृजनशील प्रकल्पांवर काम करणाऱ्या वापरकर्त्यांबरोबर अधिक सोप्या पद्धतीने समन्वय साधता यावा यासाठी नवीन आवृत्तीमध्ये सुधारणा केली आहे.

व्हिज्युअल इनपुट - वापरकर्ते इनपुट म्हणून चित्रांचा उपयोग करू शकतात आणि त्याच्याशी संबंधित प्रश्न विचारू शकतात. उदाहरणार्थ एखादी विनोदी कृती करणाऱ्या कार्टूनचे चित्र इनपुट म्हणून देऊन हे चित्र ‘विनोदी’ का आहे असा प्रश्न इंजिनला विचारल्यास ते या प्रश्नाचे उत्तर देऊ शकेल.

दीर्घ संदर्भ - इनपुटची शब्दमर्यादा आठ हजारांवरून पंचवीस हजार इतकी केली आहे. खूप जास्त मेटाडाटा असलेले एकच मोठे इनपुट दिल्यामुळे संदर्भ समजून घेण्यामध्ये अचूकता वाढण्यास काहीच अडचण येणार नाही. या वैशिष्ट्यामुळे हे अॅप्लिकेशन अगदी विलक्षण म्हणावे अशा प्रकारे विशेषत: शब्द आणि चित्र यांसंदर्भात जवळ जवळ मनुष्यांप्रमाणे प्रतिसाद देईल.

नवीन उपयोग

१) चित्रांच्या वर्णनाच्या माध्यमातून दृष्टिदोष असलेल्या व्यक्तीसाठी संवादाचा एक नवीन मार्ग उपलब्ध होईल.

२) आपण संकेतस्थळाला कोणते इनपुट देणार आहोत आणि आपल्याला कोणते आउटपुट अपेक्षित आहे याची पक्की समज असल्यास एका ओळीचादेखील कोड न लिहिता कागदावर काढलेले संकेतस्थळाचे डिझाईन पूर्ण विकसित अशा संकेतस्थळामध्ये रुपांतरीत करता येईल.

३) चित्रपटांच्या स्क्रिप्ट, पुस्तके इत्यादी मोठ्या प्रमाणात असलेले लेखन ‘लॉँग कॉन्टेक्स्ट’ वैशिष्ट्याचा उपयोग करून लिहिता येऊ शकेल. लिखित शब्दांचे इनपुट देऊन त्या आधारे ध्वनीमाध्यमातील आउटपूट देण्यासाठी चॅटचा उपयोग करून भविष्यामध्ये या क्षेत्रामध्ये एक मोठी क्रांती घडवणे शक्य आहे.

४) चित्र आणि शब्द यांचा उपयोग करून संगीत निर्माण करणे शक्य आहे. त्यामुळे संगीत क्षेत्रातील सध्या अस्तित्वात असलेल्या रेव्हेन्यू मॉडेलची पुनर्रचना करता येऊ शकेल. टिकटॉक किंवा इन्स्टाग्राम सारख्या समाजमाध्यमांवर लहान लहान व्हिडिओ तयार करणाऱ्या वापरकर्त्यांच्या माध्यमातून या मॉडेलसाठी क्राउडसोर्सिंग करणे शक्य आहे.

५) पॉवरपॉइंट प्रेझेंटेशन बनवण्यासारख्या व्यावसायिक उपयोगांसाठी कॅन्व्हा इत्यादी सॉफ्टवेअर्स पूर्वीपासून वापरली जातात. समजा मायक्रोसॉफ्टने हे तंत्रज्ञान पॉवरपॉइंटशी जोडले तर काय होईल याची कल्पना करा! फक्त स्लाइड ड्रॉ करा आणि ती तत्काळ तयार असेल!

चॅटजीपीटी फोर हे सशुल्क उपलब्ध असल्यामुळे त्याचे वापरकर्ते अद्यापपर्यंत कमी आहेत. असे असले तरी व्यवसाय, निर्मितीक्षमता आणि त्याचा सामाजिक परिणाम यावर चॅटजीपीटी फोर आपला प्रभाव निर्माण करेल तो दिवस फार दूर नाही.

(लेखक ‘फॉक्सबेरी टेक्नॉलॉजीज’चे मुख्य कार्यकारी अधिकारी आहेत.)