Kielimalli
Tilastollinen kielimalli on sanajonon sanojen todennäköisyysjakauma tai sellainen todennäköisyysfunktio, joka tuottaa jakauman. Jos sanajonossa, esimerkiksi lauseessa, on sanaa, antaa kielimalli koko sanajonolle todennäköisyyden . Kielimalli voidaan määritellä myös sanan osille, kuten morfeemeille.
Todennäköisyyksien avulla kielimallit osaavat muun muassa ennustaa, miten jonkin lauseen tulisi jatkua, vastata kysymyksiin, tai muodostaa kehotteen avulla pitkiäkin tekstejä kuten keskusteluja, runoja, koodeja tai artikkeleita.[1] Ensimmäiset kielimallit (tilastollinen kielimalli, engl. Statistical Language Model, SLM) esiteltiin 1980-luvulla ja ne saivat alkunsa puheentunnistuksesta. Varhaiset kielimallit eivät sisältäneet tietoa kielen mallinnuksesta.[2]
Kielimallin perustana käytetään olemassaolevaa tekstiaineistoa eli korpusta, jonka avulla malli opetetaan. Aineisto voi olla peräisin kirjoista, sanomalehdistä, tv-ohjelmien transskripteistä tai vaikka internetistä. Mitä suurempi opetusaineisto, sitä parempi yleensä mallin ennustuskyky. Suurten opetusmateriaalien vuoksi mallit saattavat joskus oppia niistä myös ei-haluttuja asioita, kuten ennakkoasenteita.[1]
Kielimalleja voidaan käyttää erilaisissa tietokonelingvistiikan sovelluksissa, kuten puheentunnistuksessa, konekääntämisessä, luonnollisen kielen tuottamisessa, kielen jäsentämisessä, tekstintunnistuksessa tai tiedonhaussa.
Kielimallien tyyppejä
Tyyppejä:[3]
- 1-grammi-malli eli unigram-malli: saneen todennäköisyys ei riipu muista saneista
- 2-grammi-malli: vain edellinen sane määrittää seuraavan saneen todennäköisyyden
- n-grammi-malli: ottaa huomioon n − 1 edellistä sanetta
- neuroverkkokielimallit
- ehdollistettu kielimalli: ottaa kehotteen lisäksi huomioon kontekstivektorin
- Transformer, jonka kehitti Google vuonna 2017[4]
Tekniikkaa
Usein kielimallit käyttävät liukulukuja, mutta tutkijat ovat ehdottaneet yksinkertaistamista kolmiarvoisiin (-1, 0, 1) lukuihin, jolloin laskutoimitukset ovat yksinkertaisempia. Tutkijoiden mukaan kolmiarvoiset luvut ja tarkoitukseen tehdyt FPGA-piirit mahdollistavat virrankäytön ja muistitarpeen pienentämisen.[5][6]
Joitain kuuluisia kielimalleja
- OpenAI:n GPT (Generative pre-trained transformer)
- Google AI: LaMDA (Language Model for Dialogue Applications)[10], PaLM (Pathways Language Model)
- sovelluskohde Google Bard
- PaLM 2 on Google Kääntäjän käyttämä kielimalli[11]
- DeepMind: Chinchilla
- BERT: Bidirectional Encoder Representations from Transformers (BERT)
- Googlen vuonna 2018 julkaisema ensimmäinen transformer-perustainen kielimalli
Suomen kielen kielimalleja
Ohjelmistoja
Joitakin avoimesti saatavia työkaluja kielimallien suorittamiseen ovat Ollama, LM Suite ja Llama.cpp.[15][16]
Lähteet
- ↑ a b Tekoälyn uudet kielimallit hämmästyttävät | Vaasan yliopisto www.uwasa.fi. 20.9.2021. Viitattu 17.2.2023.
- ↑ Rosenfeld, Roni: Two Decades of Statistical Language Modeling: Where Do We Go From Here? 2018. Carnegie Mellon University. Journal contribution.. doi:10.1184/R1/6611138.v1. (englanniksi)
- ↑ Hauhio, Iikka: Kielimallien luovuuden kriteerit, s. 10-11. Helsingin yliopisto, 2022. Teoksen verkkoversio.
- ↑ https://ai.googleblog.com/2017/08/transformer-novel-neural-network.html
- ↑ Benj Edwards: Researchers upend AI status quo by eliminating matrix multiplication in LLMs arstechnica.com. 26.6.2024. Viitattu 27.6.2024. (englanniksi)
- ↑ Scalable MatMul-free Language Modeling arxiv.org. kesäkuu 2024. doi:10.48550/arXiv.2406.02528. Viitattu 27.6.2024. (englanniksi)
- ↑ ChatGPT: Optimizing Language Models for Dialogue openai.com. 30.11.2022. en
- ↑ https://blogs.bing.com/search/march_2023/Confirmed-the-new-Bing-runs-on-OpenAI%E2%80%99s-GPT-4
- ↑ https://ai.facebook.com/blog/large-language-model-llama-meta-ai/
- ↑ https://blog.google/technology/ai/lamda/
- ↑ Samuel Axon: Google Translate just nearly doubled its number of supported languages arstechnica.com. 27.6.2024. Viitattu 27.6.2024. (englanniksi)
- ↑ Kotimaiseen kielimalliin tarvittiin miljardeja sanoja – nyt tekoäly osaa kirjoittaa vaikka satuja suomeksi Yle Uutiset. 20.12.2021. Viitattu 17.2.2023.
- ↑ TurkuNLP/FinBERT github.com. 28.1.2023. Viitattu 17.2.2023.
- ↑ TurkuNLP turkunlp.org. Viitattu 20.2.2023.
- ↑ Tobias Mann: How to run an LLM on your PC, not in the cloud, in less than 10 minutes theregister.com. 17.3.2024. Viitattu 30.6.2024. (englanniksi)
- ↑ Sharon Machlis: 5 easy ways to run an LLM locally infoworld.com. 25.4.2024. Viitattu 30.6.2024. (englanniksi)
Kirjallisuutta
- Lindroos, Jari & Poso, Venla & Toivanen, Ida: ”Uhka vai mahdollisuus? Transformer-mallit tekstin käsittelyssä”. Teoksessa Haapaniemi, Riku & Ivaska, Laura & Katajamäki, Sakari (toim.): Tekstit ympärillämme: Kirjoituksia tekstikäsityksistä ja -käytänteistä, s. 201–208. Tampere: Tampereen yliopisto, 2024. ISBN 978-952-03-3465-9. Vapaasti luettavissa