LLM ಹುಚ್ಚಾಟಿಕೆಯ ಅಡಿಯಲ್ಲಿ ತಂಪಾದ ಚಿಂತನೆ: ಅವಕಾಶಗಳು, ಸವಾಲುಗಳು ಮತ್ತು ಭವಿಷ್ಯದ ಚಿತ್ರಣ

```markdown # LLM ಹುಚ್ಚಾಟಿಕೆಯ ಅಡಿಯಲ್ಲಿ ತಂಪಾದ ಚಿಂತನೆ: ಅವಕಾಶಗಳು, ಸವಾಲುಗಳು ಮತ್ತು ಭವಿಷ್ಯದ ಚಿತ್ರಣ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (LLM) ನಮ್ಮ ಜೀವನದ ಪ್ರತಿಯೊಂದು ಅಂಶಕ್ಕೂ ಅದ್ಭುತ ವೇಗದಲ್ಲಿ ವ್ಯಾಪಿಸುತ್ತಿವೆ, ಕೋಡ್ ಉತ್ಪಾದನೆಯಿಂದ ಹಿಡಿದು ವಿಷಯ ರಚನೆ ಮತ್ತು ದೈನಂದಿನ ಮಾಹಿತಿ ಪ್ರಶ್ನೆಗಳವರೆಗೆ ಎಲ್ಲೆಡೆ ಇವೆ. X (ಹಿಂದೆ Twitter) ನಲ್ಲಿನ ಸಂಬಂಧಿತ ಚರ್ಚೆಗಳು ಇದನ್ನು ಸಾಬೀತುಪಡಿಸುತ್ತವೆ: ಹೊಸ AI ಮಾದರಿ ವಾಸ್ತುಶಿಲ್ಪಗಳ ಪರಿಚಯ, ಕಲಿಕೆಯ ಸಂಪನ್ಮೂಲಗಳ ಹಂಚಿಕೆ ಮತ್ತು ನೈಜ-ಪ್ರಪಂಚದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಉದ್ಭವಿಸುವ ಸಮಸ್ಯೆಗಳ ಚರ್ಚೆಗಳಿವೆ. ಆದಾಗ್ಯೂ, ತಡೆಯಲಾಗದ LLM ಅಲೆಯಲ್ಲಿ, ನಾವು ಶಾಂತವಾಗಿರಬೇಕು ಮತ್ತು ಅದರ ಹಿಂದಿನ ಅವಕಾಶಗಳು, ಸವಾಲುಗಳು ಮತ್ತು ಅದು ರೂಪಿಸಬಹುದಾದ ಭವಿಷ್ಯದ ಚಿತ್ರಣದ ಬಗ್ಗೆ ಆಳವಾಗಿ ಯೋಚಿಸಬೇಕು. ಈ ಲೇಖನವು Ben Thompson ರ ವಿಶ್ಲೇಷಣಾ ಶೈಲಿಯಲ್ಲಿ, LLM ಉದ್ಯಮವನ್ನು ವ್ಯಾಪಾರ, ವೇದಿಕೆ ಮತ್ತು ವ್ಯಾಪಾರ ಮಾದರಿಗಳ ದೃಷ್ಟಿಕೋನದಿಂದ ಆಳವಾಗಿ ವಿಶ್ಲೇಷಿಸುತ್ತದೆ. **LLM ನ ಏರಿಕೆ: ತಾಂತ್ರಿಕ ವಿಲಕ್ಷಣತೆಯೋ ಅಥವಾ ಪ್ರಚಾರದ ಚಕ್ರವೋ?** X ನ ಚರ್ಚೆಯಿಂದ, LLM ಕೇವಲ ಶೈಕ್ಷಣಿಕ ಪರಿಕಲ್ಪನೆಯಲ್ಲ, ಆದರೆ ಬಿಸಿ ಉದ್ಯಮದ ಕೇಂದ್ರಬಿಂದುವಾಗಿದೆ ಎಂದು ನಾವು ನೋಡಬಹುದು. ವಿವಿಧ ರೀತಿಯ LLM ಮಾದರಿಗಳು (LLM, SLM, VLM, MLLM, ಇತ್ಯಾದಿ) ಹೊರಹೊಮ್ಮುತ್ತಿವೆ ಮತ್ತು ಸಂಬಂಧಿತ ಕಲಿಕೆಯ ಸಂಪನ್ಮೂಲಗಳು (ಉದಾಹರಣೆಗೆ ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಉಚಿತ ಕೋರ್ಸ್‌ಗಳು) ಸಹ ಬಹಳ ಜನಪ್ರಿಯವಾಗಿವೆ. ಈ ವಿದ್ಯಮಾನದ ಹಿಂದೆ LLM ನ ಅನೇಕ ಕ್ಷೇತ್ರಗಳಲ್ಲಿನ ದೊಡ್ಡ ಸಾಮರ್ಥ್ಯವಿದೆ: * **ದಕ್ಷತೆಯ ಸುಧಾರಣೆ:** LLM ಗಳು ಪುನರಾವರ್ತಿತ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಬಹುದು, ಉದಾಹರಣೆಗೆ ಪಠ್ಯ ಉತ್ಪಾದನೆ, ಕೋಡ್ ಬರವಣಿಗೆ ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ, ಇದರಿಂದ ಉತ್ಪಾದಕತೆಯನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸುತ್ತದೆ. Ariana Huffington ಹೇಳಿದಂತೆ, AI ಅಂತಿಮವಾಗಿ ನಮಗೆ ಹೆಚ್ಚಿನ ವಿಶ್ರಾಂತಿ ಸಮಯವನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ಸೃಜನಶೀಲತೆ ಮತ್ತು ಆಳವಾದ ಚಿಂತನೆಯ ಅಗತ್ಯವಿರುವ ಕಾರ್ಯಗಳಿಗೆ ಮೀಸಲಿಡುತ್ತದೆ. * **ಜ್ಞಾನದ ಸ್ವಾಧೀನ:** ಹಿಂದೆ ಮಾಹಿತಿಯನ್ನು ಹಿಂಪಡೆಯಲು ಮತ್ತು ಸಂಯೋಜಿಸಲು ಬಹಳ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತಿತ್ತು, ಆದರೆ ಈಗ LLM ಮೂಲಕ ತ್ವರಿತವಾಗಿ ಪಡೆಯಬಹುದು. Google ಹುಡುಕಾಟವನ್ನು ಬಳಸುವ ಬದಲು, ಉತ್ತರಗಳನ್ನು ನೇರವಾಗಿ ಪಡೆಯಲು LLM ಅನ್ನು ಬಳಸುವುದು ಹೊಸ ಮಾಹಿತಿ ಸ್ವಾಧೀನ ವಿಧಾನವಾಗಿದೆ. * **ಅಪ್ಲಿಕೇಶನ್ ನಾವೀನ್ಯತೆ:** LLM ಅನ್ನು ವಿವಿಧ ನವೀನ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಚಾಲನೆ ಮಾಡುವ ತಳಹದಿಯ ತಂತ್ರಜ್ಞಾನವಾಗಿ ಬಳಸಬಹುದು, ಉದಾಹರಣೆಗೆ ಸ್ಮಾರ್ಟ್ ಏಜೆಂಟ್ (AI Agent), RAG (Retrieval-Augmented Generation) ವ್ಯವಸ್ಥೆಗಳು, ಇತ್ಯಾದಿ. Shubhamsaboo ರ ಓಪನ್ ಸೋರ್ಸ್ LLM ಅಪ್ಲಿಕೇಶನ್ ಪ್ರಾಜೆಕ್ಟ್ GitHub ನಲ್ಲಿ 85K+ ಸ್ಟಾರ್‌ಗಳನ್ನು ಪಡೆದಿರುವುದು ಇದಕ್ಕೆ ಸಾಕ್ಷಿಯಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಅತಿಯಾದ ಪ್ರಚಾರದ ಅಪಾಯದ ಬಗ್ಗೆ ನಾವು ಜಾಗರೂಕರಾಗಿರಬೇಕು. Suryanshti777 ಮತ್ತು DAIEvolutionHub ಸೂಚಿಸಿದಂತೆ, ಅನೇಕ ಜನರು AI ಪರಿಕರಗಳನ್ನು ಬಳಸುತ್ತಿದ್ದಾರೆ, ಆದರೆ ಕೆಲವರು ಮಾತ್ರ ಅದರ ಕಾರ್ಯನಿರ್ವಹಣೆಯನ್ನು ನಿಜವಾಗಿಯೂ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತಾರೆ. ಇದರರ್ಥ LLM ನ ಜನಪ್ರಿಯತೆಯು "ಗ್ರಹಿಕೆಗಿಂತ ಹೆಚ್ಚಿನ ಬಳಕೆಗೆ" ಕಾರಣವಾಗಬಹುದು, ಇದರಿಂದ ತಂತ್ರಜ್ಞಾನದ ನಿಜವಾದ ಬೆಳವಣಿಗೆಗೆ ಅಡ್ಡಿಯಾಗುತ್ತದೆ. **LLM ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳ ಉದಯ: ಮುಂದಿನ Google ಯಾರು?** LLM ನ ಅಭಿವೃದ್ಧಿಯು ಹೊಸ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಅವಕಾಶಗಳನ್ನು ಸಹ ಹುಟ್ಟುಹಾಕಿದೆ. X ನ ಚರ್ಚೆಯಿಂದ, ನಾವು ಈ ಕೆಳಗಿನ ಸಂಭಾವ್ಯ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ನಿರ್ದೇಶನಗಳನ್ನು ನೋಡಬಹುದು: * **ಮಾದರಿ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್:** ವಿವಿಧ ಪೂರ್ವ ತರಬೇತಿ ಪಡೆದ LLM ಮಾದರಿಗಳನ್ನು ಒದಗಿಸಿ ಮತ್ತು ಡೆವಲಪರ್‌ಗಳು ಕಸ್ಟಮೈಸ್ ಮಾಡಲು ಮತ್ತು ನಿಯೋಜಿಸಲು ಬೆಂಬಲಿಸಿ. AWS ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್‌ಗೆ ಹೋಲುತ್ತದೆ, ಮಾದರಿ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ LLM ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಮೂಲಸೌಕರ್ಯವಾಗುತ್ತದೆ. * **ಉಪಕರಣ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್:** LLM ಅಭಿವೃದ್ಧಿಗೆ ಅಗತ್ಯವಾದ ಪರಿಕರಗಳು ಮತ್ತು ಲೈಬ್ರರಿಗಳನ್ನು ಒದಗಿಸಿ, ಉದಾಹರಣೆಗೆ Tom Doerr ಹಂಚಿಕೊಂಡ LLM-graph-builder ಮತ್ತು PocketFlow, ಮತ್ತು Sumanth077 ರ ai-engineering-toolkit. ಈ ಪರಿಕರಗಳು LLM ಅಭಿವೃದ್ಧಿಯ ಮಿತಿಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಜನಪ್ರಿಯತೆಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ. * **ಏಜೆಂಟ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್:** LLM ಆಧಾರಿತ ಸ್ಮಾರ್ಟ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಿ ಮತ್ತು ಏಜೆಂಟ್‌ಗಳ ನಡುವೆ ಸಹಯೋಗ ಮತ್ತು ಸಂವಹನ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಒದಗಿಸಿ. Wh0sumit ಬಹು ಏಜೆಂಟ್ LLM ವ್ಯವಸ್ಥೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಬ್ಯಾಕೆಂಡ್ ಇಂಜಿನಿಯರ್‌ಗಳನ್ನು ನೇಮಿಸಿಕೊಳ್ಳುತ್ತಿರುವುದು ಏಜೆಂಟ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ನ ಸಾಮರ್ಥ್ಯವನ್ನು ತೋರಿಸುತ್ತದೆ. ಈ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು ಮುಂದಿನ Google ಆಗುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿವೆ, ಆದರೆ ಸ್ಪರ್ಧೆಯಲ್ಲಿ ಗೆಲ್ಲುವ ಪ್ರಮುಖ ಅಂಶವೆಂದರೆ: * **ಪರಿಸರ ವ್ಯವಸ್ಥೆ ನಿರ್ಮಾಣ:** ಸಕ್ರಿಯ ಡೆವಲಪರ್ ಸಮುದಾಯವನ್ನು ಸ್ಥಾಪಿಸಿ ಮತ್ತು ಸಮೃದ್ಧ ಸಂಪನ್ಮೂಲಗಳು ಮತ್ತು ಬೆಂಬಲವನ್ನು ಒದಗಿಸಿ. * **ತಾಂತ್ರಿಕ ನಾಯಕತ್ವ:** ಸಂಶೋಧನೆ ಮತ್ತು ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ನಿರಂತರವಾಗಿ ಹೂಡಿಕೆ ಮಾಡಿ ಮತ್ತು ಮಾದರಿಗಳು ಮತ್ತು ಪರಿಕರಗಳ ಪ್ರಮುಖ ಸ್ಥಾನವನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಿ. * **ವ್ಯಾಪಾರ ಮಾದರಿ:** ಚಂದಾದಾರಿಕೆ ಸೇವೆಗಳು, API ಕರೆ ಶುಲ್ಕಗಳು ಮುಂತಾದ ಸುಸ್ಥಿರ ವ್ಯಾಪಾರ ಮಾದರಿಗಳನ್ನು ಅನ್ವೇಷಿಸಿ. **LLM ನ ವ್ಯಾಪಾರ ಮಾದರಿ: ಉಚಿತ ಊಟವೋ ಅಥವಾ ಪಾವತಿಸಿದ ಹಬ್ಬವೋ?** LLM ನ ವ್ಯಾಪಾರ ಮಾದರಿಯು ಸಂಕೀರ್ಣ ಮತ್ತು ನಿರ್ಣಾಯಕ ಸಮಸ್ಯೆಯಾಗಿದೆ. ಪ್ರಸ್ತುತ, ಈ ಕೆಳಗಿನ ಮಾದರಿಗಳು ಮುಖ್ಯವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿವೆ: ```* **ಮುಕ್ತ ಮೂಲ ಮಾದರಿ:** ಉಚಿತ ಮುಕ್ತ ಮೂಲ ಮಾದರಿಗಳು ಮತ್ತು ಪರಿಕರಗಳನ್ನು ಒದಗಿಸುವುದು, ಸಮುದಾಯದ ಕೊಡುಗೆಗಳು ಮತ್ತು ದೇಣಿಗೆಗಳನ್ನು ಅವಲಂಬಿಸಿ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ನಿರ್ವಹಿಸುವುದು. Xiaoying\_eth ಹಂಚಿಕೊಂಡ ಮುಕ್ತ ಮೂಲ LLM ಸ್ಮಾರ್ಟ್ ಏಜೆಂಟ್ ಯೋಜನೆಯು ಒಂದು ಉದಾಹರಣೆಯಾಗಿದೆ.\n* **API ಕರೆ ಮಾದರಿ:** API ಇಂಟರ್ಫೇಸ್ ಅನ್ನು ಒದಗಿಸುವುದು, ಕರೆಗಳ ಸಂಖ್ಯೆ ಅಥವಾ ಟೋಕನ್ ಸಂಖ್ಯೆಗೆ ಅನುಗುಣವಾಗಿ ಶುಲ್ಕ ವಿಧಿಸುವುದು. OpenAI ನ GPT ಸರಣಿಯ ಮಾದರಿಗಳು ಈ ಮಾದರಿಯನ್ನು ಅಳವಡಿಸಿಕೊಂಡಿವೆ.\n* **ಚಂದಾದಾರಿಕೆ ಮಾದರಿ:** ವೇಗದ ತಾರ್ಕಿಕ ವೇಗ, ದೊಡ್ಡ ಸಂದರ್ಭ ವಿಂಡೋ ಮತ್ತು ಹೆಚ್ಚು ವೃತ್ತಿಪರ ತಾಂತ್ರಿಕ ಬೆಂಬಲದಂತಹ ಸುಧಾರಿತ ವೈಶಿಷ್ಟ್ಯಗಳು ಮತ್ತು ಸೇವೆಗಳನ್ನು ಒದಗಿಸುವುದು ಮತ್ತು ಮಾಸಿಕ ಅಥವಾ ವಾರ್ಷಿಕ ಚಂದಾದಾರಿಕೆ ಶುಲ್ಕವನ್ನು ವಿಧಿಸುವುದು.\n* **ಎಂಬೆಡೆಡ್ ಮಾದರಿ:** LLM ತಂತ್ರಜ್ಞಾನವನ್ನು ಇತರ ಉತ್ಪನ್ನಗಳು ಮತ್ತು ಸೇವೆಗಳಲ್ಲಿ ಎಂಬೆಡ್ ಮಾಡುವುದು, ಉದಾಹರಣೆಗೆ ಸ್ಮಾರ್ಟ್ ಗ್ರಾಹಕ ಸೇವೆ, ವಿಷಯ ಶಿಫಾರಸು, ಇತ್ಯಾದಿ.\n\nಪ್ರತಿಯೊಂದು ಮಾದರಿಯು ತನ್ನದೇ ಆದ ಅನುಕೂಲಗಳು ಮತ್ತು ಅನಾನುಕೂಲಗಳನ್ನು ಹೊಂದಿದೆ, ಯಾವ ಮಾದರಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು ವೇದಿಕೆಯ ಸ್ಥಾನೀಕರಣ ಮತ್ತು ಗುರಿ ಬಳಕೆದಾರರನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಮುಕ್ತ ಮೂಲ ಮಾದರಿಯು ತಂತ್ರಜ್ಞಾನದ ಜನಪ್ರಿಯತೆ ಮತ್ತು ನಾವೀನ್ಯತೆಗೆ ಅನುಕೂಲಕರವಾಗಿದೆ, ಆದರೆ ಲಾಭದಾಯಕತೆಯನ್ನು ಸಾಧಿಸುವುದು ಕಷ್ಟ; API ಕರೆ ಮಾದರಿ ಮತ್ತು ಚಂದಾದಾರಿಕೆ ಮಾದರಿಯು ಸ್ಥಿರ ಆದಾಯವನ್ನು ತರಬಹುದು, ಆದರೆ ತಂತ್ರಜ್ಞಾನದ ಜನಪ್ರಿಯತೆಯನ್ನು ಮಿತಿಗೊಳಿಸಬಹುದು.\n\n**LLM ನ ಸವಾಲುಗಳು: ಪ್ರಚಾರ, ನೀತಿ ಮತ್ತು ಸುರಕ್ಷತೆ**\n\nLLM ನ ತ್ವರಿತ ಅಭಿವೃದ್ಧಿಯು ಹಲವಾರು ಸವಾಲುಗಳನ್ನು ತಂದಿದೆ:\n\n* **ಡೇಟಾ ಗುಣಮಟ್ಟ:** LLM ನ ಕಾರ್ಯಕ್ಷಮತೆಯು ತರಬೇತಿ ಡೇಟಾದ ಗುಣಮಟ್ಟವನ್ನು ಹೆಚ್ಚು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ತರಬೇತಿ ಡೇಟಾದಲ್ಲಿ ಪಕ್ಷಪಾತ ಅಥವಾ ದೋಷಗಳಿದ್ದರೆ, LLM ಸಹ ಅನುಗುಣವಾದ ಪಕ್ಷಪಾತ ಅಥವಾ ದೋಷಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.\n* **ವಿವರಣಾತ್ಮಕತೆ:** LLM ನ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ವಿವರಿಸಲು ಸಾಮಾನ್ಯವಾಗಿ ಕಷ್ಟವಾಗುತ್ತದೆ, ಇದು ಮಾದರಿಯ ಅನ್ವಯಕ್ಕೆ ಒಂದು ನಿರ್ದಿಷ್ಟ ಅಪಾಯವನ್ನು ತರುತ್ತದೆ.\n* **ನೈತಿಕ ಸಮಸ್ಯೆಗಳು:** LLM ಅನ್ನು ಸುಳ್ಳು ಮಾಹಿತಿಯನ್ನು ಉತ್ಪಾದಿಸಲು, ವಂಚನೆ ಚಟುವಟಿಕೆಗಳನ್ನು ನಡೆಸಲು ಅಥವಾ ಸಾಮಾಜಿಕ ಅಸಮಾನತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಬಳಸಬಹುದು. Farairesearch ಉಲ್ಲೇಖಿಸಿದ \LLM ಒಂದು ಸರ್ವಶಕ್ತ ಪರಿಹಾರವಲ್ಲ, ಮತ್ತು ಕೇವಲ ಕ್ಷಣಿಕ ಪ್ರವೃತ್ತಿಯೂ ಅಲ್ಲ. ಇದು ಒಂದು ಭಾರಿ ಬದಲಾವಣೆಯನ್ನುಂಟುಮಾಡುವ ತಂತ್ರಜ್ಞಾನ, ಇದು ಅಪಾರ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ, ಆದರೆ ಅಪಾಯಗಳು ಮತ್ತು ಸವಾಲುಗಳೂ ಇವೆ. ನಾವು LLM ಅನ್ನು ವಿಮರ್ಶಾತ್ಮಕ ಮನೋಭಾವದಿಂದ ನೋಡಬೇಕು, ಅದರ ತತ್ವಗಳನ್ನು ಆಳವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬೇಕು ಮತ್ತು ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಅದರ ಅನ್ವಯಗಳನ್ನು ಅನ್ವೇಷಿಸಬೇಕು. ಹೀಗೆ ಮಾಡಿದಾಗ ಮಾತ್ರ, ನಾವು LLM ಯುಗದ ಅವಕಾಶಗಳನ್ನು ನಿಜವಾಗಿಯೂ ಗ್ರಹಿಸಲು ಮತ್ತು ಉತ್ತಮ ಭವಿಷ್ಯವನ್ನು ಸೃಷ್ಟಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. MCuban ಅವರ ಅವಲೋಕನವು ಸೂಕ್ತವಾಗಿದೆ: LLM ಅನ್ನು ಬಳಸುವವರಲ್ಲಿ ಎರಡು ವಿಧಗಳಿವೆ, ಒಂದು ಎಲ್ಲವನ್ನೂ ಕಲಿಯಲು ಅದನ್ನು ಬಳಸುವವರು, ಇನ್ನೊಂದು ಕಲಿಯುವುದನ್ನು ತಪ್ಪಿಸಲು ಅದನ್ನು ಬಳಸುವವರು. ಮತ್ತು LLM ನಿಂದ ನಿಜವಾಗಿಯೂ ಪ್ರಯೋಜನ ಪಡೆಯುವವರು ನಿಸ್ಸಂದೇಹವಾಗಿ ಮೊದಲನೆಯವರು.