अध्याय ५ · खण्ड I · 24 मिनेट
पूर्व-तालिमप्राप्त मोडेल: अरूको काँधमा उभिने
आज अधिकांश उपयोगी एआई काम भनेको अरूले तालिम दिएको मोडेल बोलाउने हो। निःशुल्क वा सस्तोमा। आफ्नो प्रयास वरिपरिको प्रणालीमा लगाउने। पहिले सम्झौता बुझ्नुहोस्; कोड पछि आउँछ।
तपाईंले पहिलो चार अध्यायमा गरेका सबै आधार हुन् — कार्यशाला, भाषा, डाटा औजार, बानी। यो अध्यायदेखि अघि, तपाईं ट्र्याकको नामको काम गरिरहनुहुनेछ: एआईसँग निर्माण। आज लगभग हरेक कार्यरत एआई निर्माताले लिने आकार भनेको “मोडेल तालिम दिने” होइन; “अरूले तालिम दिएको प्रयोग गर्ने र राम्ररी बेर्ने” हो। यो खण्डले तपाईं प्रवेश गर्दै हुनुहुने संसारको तस्बिर हो।
“पूर्व-तालिमप्राप्त” को अर्थ
मोडेल एउटा गणितीय फङ्क्सन हो जसले इनपुटलाई आउटपुटमा नक्साङ्कन गर्छ। मोडेल तालिम दिनु भनेको धेरै उदाहरण देखाएर भित्री सङ्ख्याहरू समायोजन गर्ने हो, ताकि उदाहरणहरूमा यो प्रायः सही हुन्छ। ठूलो मोडेल तालिम दिनु भनेको अर्बौँ उदाहरण र अर्बौँ भित्री सङ्ख्यासँग यो गर्ने हो — जसका लागि हजारौँ महँगा कम्प्युटरहरू हप्ता वा महिनासम्म चलाउनुपर्छ, र दशौँ लाख अमेरिकी डलर खर्च हुन्छ।
पूर्व-तालिमप्राप्त मोडेल त्यो हो जुन कसैले पहिले नै त्यो लागत तिरिसकेको छ। तालिम तिनले गरिसकेका छन्। तिनले या त मोडेल आफै (सङ्ख्याहरू, जसलाई भार भनिन्छ) प्रकाशन गरेका छन् वा प्रयोग गर्न मिल्ने API दिएका छन्। तपाईंले सबै सिकाइ तत्कालै, निःशुल्क देखि धेरै सस्तो मा प्राप्त गर्नुहुन्छ।
यो सानो कुरा होइन। पाँच वर्षअघि, अत्याधुनिक भाषा मोडेल प्रयोग गर्ने एकमात्र तरिका तालिम दिनु थियो। आज उही मोडेल — झन् राम्रो — नेपाली कोठाबाट वाइ वाइको प्याकेटको मूल्यभन्दा कममा बोलाउन सकिन्छ।
मोडेल पाउने दुई तरिका
जब तपाईं “पूर्व-तालिमप्राप्त मोडेल प्रयोग गर्ने” भन्नुहुन्छ, यसको अर्थ दुई कुरामध्ये एक हो:
1. यसलाई डाउनलोड गरेर आफ्नो मेसिनमा चलाउने। मोडेलका भार सार्वजनिक छन्; तपाईंले पुस्तकालय स्थापना गर्नुहुन्छ (सामान्यतया Hugging Face को transformers, वा torch, वा tensorflow), भारतर्फ इङ्गित गर्नुहुन्छ, र इनपुट चलाउनुहुन्छ। निःशुल्क। निजी (डाटा कम्प्युटरबाट कहिल्यै बाहिर निस्किँदैन)। तपाईंको हार्डवेयरले सीमा लगाउँछ — सानो र मझौला मोडेल आधुनिक ल्यापटपमा सजिलैसँग अटाउँछन्; धेरै ठूलाहरू अटाउँदैनन्।
2. होस्ट गरिएको API का रूपमा बोलाउने। कसैले आफ्नो सर्भरमा मोडेल चलाउँछ; तपाईंले इन्टरनेटबाट अनुरोध पठाउनुहुन्छ र प्रति प्रयोग तिर्नुहुन्छ। स्केलमा महँगो, तर सेट गर्न तीव्र छिटो, हार्डवेयरको बाधा छैन, र GPU नभई पनि सबैभन्दा ठूला मोडेल पाइन्छन्।
Course 01 का लागि हामी दुवै गर्नेछौँ — खण्ड 3 को OCR नमुनाका लागि स्थानीय, खण्ड 2 को भाषा मोडेलका लागि होस्ट गरिएको। यी दुईबीचको छनोट यो ट्र्याकको पुनरावर्ती प्रश्न हो।
तपाईं प्रवेश गर्दै हुनुहुने इकोसिस्टम
बाँकी पाठ्यक्रममा तपाईंले देख्ने नामहरूको छोटो परिचय:
Hugging Face पूर्व-तालिमप्राप्त मोडेलहरूको ठूलो पुस्तकालय हो। दशौँ हजार: भाषा मोडेल, दृष्टि मोडेल, वाणी मोडेल, नेपालीमा विशेष रूपमा तालिम दिइएका मोडेल, देवनागरी OCR का लागि तालिम दिइएका मोडेल। तिनको साइट (huggingface.co) मोडेलहरूको GitHub हो। Python पुस्तकालय transformers ले झन्डै कुनै पनि मोडेललाई स्थानीय रूपमा लोड र चलाउने तरिका दिन्छ।
OpenAI, Anthropic, Google, Mistral, Cohere — धेरै ठूला भाषा मोडेल API पछाडि होस्ट गर्ने मुख्य व्यावसायिक प्रयोगशाला। तपाईंले प्रति लाखौँ इनपुट र आउटपुट टोकनमा तिर्नुहुन्छ। हामी खण्ड 2 मा Anthropic को Claude प्रयोग गर्छौँ किनभने API सफा छ; OpenAI को GPT र Google को Gemini कोड दृष्टिकोणबाट लगभग समान देखिन्छन्।
Tesseract — Google ले हेरचाह गर्ने पुरानो, खुला, निःशुल्क OCR इन्जिन। सबैभन्दा आधुनिक होइन, तर छापिएको देवनागरीका लागि राम्रो र साधारण ल्यापटपमा चल्छ। हामी खण्ड 3 मा प्रयोग गर्नेछौँ।
PyTorch र TensorFlow — अरू सबै कुराको मुनिको दुई मुख्य फ्रेमवर्क। यो ट्र्याकमा तपाईंले प्रत्यक्ष PyTorch कोड बिरलै लेख्नुहुनेछ; हामी प्रयोग गर्ने अधिकांश पुस्तकालय यसैमाथि बस्छन्। नाम जान्नु महत्त्वपूर्ण हो किनभने तपाईंले स्थापना लग र त्रुटि सन्देशमा देख्नुहुनेछ।
पूर्व-तालिमप्राप्त मोडेलले के दिन्छ, र के दिँदैन
छोटो, इमानदार सूची।
निःशुल्क वा सस्तोमा के पाउनुहुन्छ:
- भाषा मोडेल जसले अनुवाद, सारांश, मस्यौदा, उत्तर, र तर्क २०१८ मा विज्ञान-कथा जस्तो हुने स्तरमा गर्न सक्छ।
- दृष्टि मोडेल जसले फोटोबाट पाठ पढ्न, वस्तु पहिचान गर्न, दृश्य वर्णन गर्न सक्छ।
- वाणी मोडेल जसले अंग्रेजी र नेपाली दुवै अडियोलाई सेवायोग्य शुद्धताका साथ ट्रान्सक्राइब गर्न सक्छ।
- एम्बेडिङ मोडेल जसले पाठलाई सङ्ख्यामा बदल्छ — अर्थगत खोजी र अधिकांश सिफारिस प्रणालीहरूको प्रमुख सामग्री।
के पाउनुहुन्न:
- तपाईंको समस्याका ढाँचाहरूमा विशेष तालिम दिएको मोडेल। बक्सबाट निस्किँदा, मोडेलले संसारबारे सामान्य कुरा जान्छ — तपाईंको पसलका ग्राहक, तपाईंको विद्यालयको ग्रेडिङ, वा तपाईंको जिल्लाको सूक्ष्म-सिँचाइ इतिहास होइन।
- विश्वसनीयता। मोडेलहरू भ्रम पैदा गर्छन्, गलत पढ्छन्, गलत अनुवाद गर्छन्। तपाईंको काम निर्माताको रूपमा प्रणालीलाई यसरी डिजाइन गर्ने हो ताकि गल्ती समातिन्छन्, औँल्याइन्छन्, वा सुधारिन्छन्।
- होस्ट गरिएको API प्रयोग गर्दा इनपुटको गोपनीयता। Anthropic, OpenAI, र Google ले तपाईंले पठाएको जुनसुकै देख्छन्। संवेदनशील डाटाका लागि — मेडिकल रेकर्ड, कानुनी दस्तावेज — यो वास्तविक विचार हो, र स्थानीय रूपमा चल्ने मोडेललाई प्राथमिकता दिने कारण।
- लागत-मुक्त स्केल। पहिलो हजार अनुरोध सस्ता। पहिलो एक करोड हुन सक्दैन।
हामी ट्र्याक Course 04 (भाषा मोडेल) र Course 05 (शिपिङ) तर्फ बढ्दा यी प्रत्येकमा फर्कनेछौँ।
नेपाली भाषाको कभरेजबारे एक शब्द
२०२६ मा अधिकांश ठूला भाषा मोडेल नेपालीमा प्रयोगयोग्य छन् — Claude, GPT-4 र -5 शृङ्खला, Gemini सबैले दैनिक कामका लागि देवनागरी सक्षम रूपमा सम्हाल्छन्। अंग्रेजी-देखि-नेपाली अनुवादका लागि उत्कृष्ट, नेपाली प्रश्न बुझ्न ठीकठाक, र धाराप्रवाह नेपाली लामो-रूप लेख्न साधारण।
कारण डाटा हो: इन्टरनेटमा सयौँ गुणा बढी अंग्रेजी छ नेपालीभन्दा। एक अर्ब अंग्रेजी वाक्य र एक करोड नेपाली देखेको मोडेलले दुवै बोल्छ — तर एउटामा बढी आत्मविश्वासका साथ।
यो बाधा हो, तर अवसर पनि हो। नेपाली निर्माता जसले स्थानीय सन्दर्भ र बहुभाषी मोडेललाई सही तरिकाले प्रम्प्ट गर्ने तरिका दुवै जान्छ, उसले विदेशी टिमले उत्पादन गर्न नसक्ने नतिजा निकाल्न सक्छ — किनभने उसले खाडलका दुवै भाग बुझेको हुन्छ। Course 04 ले यसमा वास्तविक समय खर्च गर्छ।
कार्यगत मानसिक मोडेल
अघि बढाउन तीन वाक्य:
- पूर्व-तालिमप्राप्त मोडेलहरू आधुनिक एआई निर्माणको आधार हुन्। तपाईंले तालिम दिनुहुन्न; तपाईंले बोलाउनुहुन्छ।
- बोलाउने दुई तरिका छन्: स्थानीय रूपमा (भार डाउनलोड गर्ने, मेसिनमा चलाउने) वा होस्ट गरिएको (API बोलाउने, प्रति प्रयोग तिर्ने)।
- निर्माताको काम मोडेल वरिपरि को सबै कुरा हो: डाटा, प्रम्प्ट, इन्टरफेस, विश्वास।
यदि ती तीनवटा सहज लाग्छन् भने, तपाईं अर्को खण्डका लागि तयार हुनुहुन्छ — वास्तविक भाषा मोडेललाई तपाईंको पहिलो प्रत्यक्ष कल।
आफ्नो बुझाइ जाँच्नुहोस्
Quick check
—२०२६ मा एआई निर्माताको सामान्य कार्यप्रवाहलाई सबैभन्दा राम्रोसँग कुनले वर्णन गर्छ?
Quick check
—एक साथीले भैरहवाको क्लिनिकका गोप्य मेडिकल रेकर्ड प्रशोधन गर्ने सानो औजार बनाउँदै छिन्। मोडेल तैनातीको सबैभन्दा विचारशील छनोट के हो?
अब के आउँछ
सिद्धान्त कोडमा बदलिन्छ। अर्को खण्डमा, तपाईंले Anthropic खातामा साइन अप गर्नुहुनेछ, API की प्राप्त गर्नुहुनेछ, र Python नोटबुकबाट Claude लाई आफ्नो पहिलो कल गर्नुहुनेछ। बीस मिनेटको सेटअप, दश लाइन कोड, र तपाईंले पूरा ट्र्याकको सबैभन्दा सानो अन्त-देखि-अन्त एआई अनुप्रयोग — वास्तविक रूपमा — बनाइसक्नुभएको हुनेछ।