ಮಷಿನ್ ಲರ್ನಿಂಗ್ ಜಗತ್ತಿನಲ್ಲಿ ಬಹುಪಾಲು ಕಂಪನಿಗಳು ಬಳಸುವ ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ತಂತ್ರವೇ ಫೈನ್-ಟ್ಯೂನಿಂಗ್ (ಸೂಕ್ಷ್ಮ ಹೊಂದಾಣಿಕೆ).

AI ಕೇವಲ ಪುಸ್ತಕ ನೋಡಿ ಉತ್ತರಿಸುವ ಬದಲು, ಒಂದು ನಿರ್ದಿಷ್ಟ ವಿಷಯದಲ್ಲಿ ಪಕ್ಕಾ 'ಪರಿಣತ' (Expert) ಆಗಬೇಕು ಎಂದರೆ ಏನು ಮಾಡಬೇಕು? ಇದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಒಂದು ಹೋಟೆಲ್ ಮತ್ತು ಅಡುಗೆ ಭಟ್ಟನ ಉದಾಹರಣೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳೋಣ.

ಎಲ್ಲವನ್ನೂ ಬಲ್ಲ ಅಡುಗೆಯವನು ಮತ್ತು ನಿಮ್ಮ ಹೋಟೆಲ್‌ನ 'ಸ್ಪೆಷಲ್ ದೋಸೆ'

  • ಮೂಲ ಮಾಡೆಲ್ (Base Model) = ಪುಸ್ತಕ ಓದಿರುವ ಸಾಮಾನ್ಯ ಅಡುಗೆಯವನು: ಪ್ರಪಂಚದ ಎಲ್ಲಾ ಅಡುಗೆ ಪುಸ್ತಕಗಳನ್ನು ಓದಿರುವ ಒಬ್ಬ ಅಡುಗೆಯವನನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಆತನಿಗೆ ಚೈನೀಸ್, ಇಟಾಲಿಯನ್, ಸೌತ್ ಇಂಡಿಯನ್ ಹೀಗೆ ಎಲ್ಲ ಬಗೆಯ ಅಡುಗೆಗಳ 'ಸಾಮಾನ್ಯ ಜ್ಞಾನ' ಇರುತ್ತದೆ. ನೀವು ಏನೇ ಕೇಳಿದರೂ ಆತ ಒಂದು ಸಾಧಾರಣ ಮಟ್ಟದ ರುಚಿಯಲ್ಲಿ ಮಾಡಿಕೊಡುತ್ತಾನೆ. ಗೂಗಲ್ ಅಥವಾ ಓಪನ್ ಎಐ ಬಿಡುಗಡೆ ಮಾಡುವ ಮೂಲ AI ಮಾಡೆಲ್‌ಗಳು (Base LLMs) ಅಕ್ಷರಶಃ ಇದೇ ರೀತಿ ಇರುತ್ತವೆ. ಅವು ಇಡೀ ಇಂಟರ್ನೆಟ್ ಅನ್ನು ಓದಿ, ಪ್ರಪಂಚದ ಬಗ್ಗೆ ಅಪಾರವಾದ ಸಾಮಾನ್ಯ ಜ್ಞಾನವನ್ನು ಹೊಂದಿರುತ್ತವೆ.

  • ಫೈನ್-ಟ್ಯೂನಿಂಗ್ (Fine-Tuning), ಹೋಟೆಲ್‌ನ ಸಿಗ್ನೇಚರ್ ರುಚಿ: ಈಗ ನೀವು ಹೊಸದಾಗಿ ಒಂದು 'ದೋಸೆ ಕ್ಯಾಂಪ್' ಶುರು ಮಾಡುತ್ತಿದ್ದೀರಿ ಅಂದುಕೊಳ್ಳಿ. ನಿಮಗೆ ಆತ ಬರಿ ಸಾಧಾರಣ ದೋಸೆ ಮಾಡಿದರೆ ಸಾಲದು; ನಿಮ್ಮ ಹೋಟೆಲ್‌ನದೇ ಆದ ಒಂದು 'ವಿಶೇಷ ಶೈಲಿ'ಯಲ್ಲಿ (ನಿಖರವಾದ ಗರಿಗರಿತನ, ವಿಶೇಷ ಚಟ್ನಿ) ದೋಸೆ ಮಾಡಬೇಕು. ಅದಕ್ಕಾಗಿ ನೀವು ಆತನಿಗೆ ಮತ್ತೆ ಮೊದಲಿನಿಂದ ಅನ್ನ, ಸಾರು ಮಾಡುವುದನ್ನು ಹೇಳಿಕೊಡುವುದಿಲ್ಲ. ಬದಲಿಗೆ, ಕೇವಲ ಹೋಟೆಲ್‌ನ ದೋಸೆಯ ಸಾವಿರಾರು ಉದಾಹರಣೆಗಳನ್ನು ನೀಡಿ, ಕೆಲವು ದಿನಗಳ ಕಾಲ ಕೇವಲ ಅದನ್ನೇ ಅಭ್ಯಾಸ ಮಾಡಿಸುತ್ತೀರಿ. ಆಗ ಆತ ನಿಮ್ಮ ಶೈಲಿಯ ದೋಸೆ ಮಾಡುವುದರಲ್ಲಿ ಪಕ್ಕಾ 'ಮಹಾನ್ ಪರಿಣತ' (Master) ಆಗುತ್ತಾನೆ.

AI ಜಗತ್ತಿನಲ್ಲಿ, ಈಗಾಗಲೇ ಬುದ್ಧಿವಂತನಾಗಿರುವ ಒಂದು ಭಾಷಾ ಮಾಡೆಲ್‌ಗೆ (Base LLM) ಒಂದು ನಿರ್ದಿಷ್ಟ ಕೆಲಸದ ಸಾವಿರಾರು ಉದಾಹರಣೆಗಳನ್ನು ನೀಡಿ, ಆ ಕೆಲಸದಲ್ಲಿ ಮಾತ್ರ ಅದ್ಭುತವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವಂತೆ ಅದರ ಶೈಲಿಯನ್ನು ತಿದ್ದುವ ಈ ವಿಶೇಷ ತರಬೇತಿಯನ್ನೇ 'ಫೈನ್-ಟ್ಯೂನಿಂಗ್' ಎಂದು ಕರೆಯುತ್ತಾರೆ!

ತಾಂತ್ರಿಕವಾಗಿ ಇದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ?

ಬೃಹತ್ AI ಮಾಡೆಲ್‌ಗಳನ್ನು ಮೊದಲಿನಿಂದ ತರಬೇತಿ ಮಾಡಲು ಕೋಟ್ಯಂತರ ರೂಪಾಯಿ ಮತ್ತು ವರ್ಷಗಳ ಸಮಯ ಬೇಕಾಗುತ್ತದೆ (ಇದಕ್ಕೆ Pre-training ಎನ್ನುತ್ತಾರೆ).

ಆದರೆ ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಮಾಡುವಾಗ ನಾವು ಇಡೀ AI ಅನ್ನು ಮರು-ತರಬೇತಿ ಮಾಡುವುದಿಲ್ಲ. ಬದಲಿಗೆ, ನಮಗೆ ಬೇಕಾದ ನಿರ್ದಿಷ್ಟ ವಿಷಯದ ಉದಾಹರಣೆಗಳನ್ನು (Training Data) ನೀಡುತ್ತೇವೆ. ಆಗ AI ತನ್ನ ಮಿದುಳಿನಲ್ಲಿರುವ ನಿಯತಾಂಕಗಳನ್ನು (Weights) ಸ್ವಲ್ಪವೇ ಬದಲಾಯಿಸಿಕೊಂಡು, ನಮ್ಮ ಹೊಸ ಶೈಲಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಒಗ್ಗಿಕೊಳ್ಳುತ್ತದೆ.

RAG (ತೆರೆದ ಪುಸ್ತಕ) ಮತ್ತು ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ನಡುವಿನ ವ್ಯತ್ಯಾಸವೇನು?

ಬಹಳಷ್ಟು ಜನರಿಗೆ ಕಾಡುವ ದೊಡ್ಡ ಗೊಂದಲವಿದು: "RAG ಮೂಲಕ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಬಹುದಾದರೆ, ಮತ್ತೆ ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಏಕೆ ಬೇಕು?"

ಅಡುಗೆಯ ಉದಾಹರಣೆಯಲ್ಲೇ ಹೇಳುವುದಾದರೆ:

  • RAG (ಆರ್.ಎ.ಜಿ): ಇದು ಅಡುಗೆಯವನ ಕೈಗೆ ಒಂದು ಹೊಸ 'ರೆಸಿಪಿ ಪುಸ್ತಕ' ಕೊಟ್ಟು, "ಇದನ್ನು ಓದಿಕೊಂಡು ಈಗಲೇ ಈ ಹೊಸ ಅಡುಗೆ ಮಾಡು" ಎಂದು ಹೇಳಿದಂತೆ. (ಹೊಸ ಸತ್ಯಾಂಶಗಳನ್ನು ಹುಡುಕಲು ಇದು ಸೂಕ್ತ).

  • ಫೈನ್-ಟ್ಯೂನಿಂಗ್: ಇದು ಅಡುಗೆಯವನಿಗೆ ಯಾವುದೇ ಪುಸ್ತಕವಿಲ್ಲದೆ, ಆತನ ರಕ್ತಗತ ಶೈಲಿಯನ್ನೇ ಬದಲಾಯಿಸುವ ತರಬೇತಿ.

ಉದಾಹರಣೆಗೆ: ನಿಮ್ಮ ಕಂಪನಿಯ ಗ್ರಾಹಕ ಸೇವಾ ಪ್ರತಿನಿಧಿಯಂತೆ (Customer Support Agent) AI ಅತ್ಯಂತ ವಿನಯದಿಂದ, ನಿಮ್ಮದೇ ಬ್ರ್ಯಾಂಡ್‌ನ ಶೈಲಿಯಲ್ಲಿ ಗ್ರಾಹಕರಿಗೆ ಉತ್ತರಿಸಬೇಕಾದರೆ, RAG ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲ. ಅದಕ್ಕಾಗಿ ನೀವು ಹಳೆಯ ಸಾವಿರಾರು ಗ್ರಾಹಕರ ಚಾಟ್‌ಗಳನ್ನು (Chat History) ಒದಗಿಸಿ AI ಅನ್ನು 'ಫೈನ್-ಟ್ಯೂನ್' ಮಾಡಲೇಬೇಕು.

ಸಾರಾಂಶ: ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಎಂದರೆ, ಎಲ್ಲವನ್ನೂ ಸ್ವಲ್ಪ ಸ್ವಲ್ಪ ತಿಳಿದಿರುವ AI ಗೆ, ನಮಗೆ ಬೇಕಾದ ನಿರ್ದಿಷ್ಟ ಕೆಲಸದ ಸಾವಿರಾರು ಉದಾಹರಣೆಗಳನ್ನು ನೀಡಿ, ಆ ಕೆಲಸದಲ್ಲಿ ನುರಿತ 'ಪರಿಣತ' (Expert) ನನ್ನಾಗಿ ಮಾಡುವ ತರಬೇತಿ.