LLM QUEST τι είναι & πώς λειτουργεί ένα LLM
🧭

τι είναι ένα LLM;
πώς «σκέφτεται» ένα chatbot;

Τι είναι τα Large Language Models (LLM), πώς «διαβάζουν» κείμενο σε tokens, πώς προβλέπουν την επόμενη λέξη, και πώς να γράφεις καλύτερα prompts. Στο τέλος δοκιμάσε τον δικό σου μίνι-προσομοιωτή LLM!

📚 Εκπαιδεύτηκε σε τεράστιο κείμενο

Διάβασε δισεκατομμύρια προτάσεις από βιβλία, ιστοσελίδες και άρθρα για να μάθει μοτίβα της γλώσσας.

🧩 Σπάει το κείμενο σε tokens

Δεν «βλέπει» λέξεις όπως εμείς — το χωρίζει σε μικρά κομμάτια που λέγονται tokens.

🎲 Προβλέπει την επόμενη λέξη

Σε κάθε βήμα υπολογίζει πιθανότητες: «ποια λέξη είναι πιο πιθανό να έρθει μετά;»

✍️ Το prompt καθοδηγεί

Το πώς διατυπώνεις την ερώτησή σου (prompt) επηρεάζει δραστικά την ποιότητα της απάντησης.

📖 Βήμα 1

Θεωρία: Πώς λειτουργεί ένα LLM

Άνοιξε κάθε κάρτα για να μάθεις μια βασική έννοια. Διάβασέ τες με τη σειρά — η κάθε μία χτίζει πάνω στην προηγούμενη.

🔤 Βήμα 2

Εργαστήριο Tokenizer

Γράψε μια πρόταση και δες πώς τη «βλέπει» ένα LLM — χωρισμένη σε tokens, όχι σε λέξεις! Κάθε χρώμα είναι διαφορετικό token.

💡 Κανόνας του «αντίχειρα»: περίπου 4 χαρακτήρες = 1 token στα αγγλικά (στα ελληνικά συχνά λιγότεροι, γιατί το αλφάβητο δεν είναι το βασικό του μοντέλου). Οι εταιρείες LLM χρεώνουν συνήθως ανά token — γι' αυτό μεγαλύτερο prompt = περισσότερα tokens = περισσότερο κόστος/χρόνο!
🎮 Βήμα 3 · Παιχνίδι

Prompt Master

5 προκλήσεις. Σε κάθε μία, διάλεξε το prompt που θα έδινε το καλύτερο αποτέλεσμα από ένα LLM.

✍️ Πρακτική: Γράψε το δικό σου prompt

Σενάριο: Θέλεις ένα LLM να σου φτιάξει πρόγραμμα διαβάσματος 5 ημερών για τεστ Φυσικής. Γράψε ένα prompt όσο πιο καλό μπορείς — μετά έλεγξε τη λίστα!

🤖 Βήμα 4 · Προσομοιωτής

Mini-LLM Προσομοιωτής

Ένα πραγματικό LLM δεν γράφει ολόκληρη την πρόταση μονομιάς. Διαλέγει μία λέξη τη φορά, με βάση πιθανότητες. Δοκίμασέ το!

0.4

🧠 Τι συμβαίνει εδώ;

Σε κάθε βήμα, το μοντέλο υπολογίζει μια πιθανότητα για κάθε πιθανή επόμενη λέξη, με βάση όσα «έμαθε» στην εκπαίδευσή του.

  • Χαμηλό temperature (π.χ. 0.1–0.3): Το μοντέλο σχεδόν πάντα διαλέγει την πιο πιθανή λέξη → προβλέψιμο, «ασφαλές» κείμενο.
  • Υψηλό temperature (π.χ. 1.0–1.5): Δίνει περισσότερες ευκαιρίες σε λιγότερο πιθανές λέξεις → πιο δημιουργικό, αλλά μπορεί να βγει ασυνάρτητο!
  • Το πραγματικό ChatGPT/Claude κάνει ακριβώς αυτό, αλλά με δεκάδες χιλιάδες πιθανά tokens σε κάθε βήμα, όχι μόνο 4!
🎯 Δοκίμασε: Βάλε το temperature στο 0 και πάτα «Τυχαία επιλογή» αρκετές φορές. Μετά βάλε το στο 1.5 και ξαναδοκίμασε. Τι παρατηρείς;
🧠 Βήμα 5 · Αξιολόγηση

Κουίζ κατανόησης

10 ερωτήσεις για να ελέγξεις τι έμαθες. Μία σωστή απάντηση ξεκλειδώνει την επόμενη ερώτηση.

🕵️ Βήμα 6 · Παιχνίδι κριτικής σκέψης

hallucination game

Θυμάσαι τις «παραισθήσεις» (hallucinations) από τη Θεωρία; Ένα LLM μπορεί να παράγει πληροφορίες που ακούγονται σίγουρες και σωστές, αλλά είναι λανθασμένες. Δες 10 προτάσεις σαν να τις έγραψε ένα AI chatbot — μερικές είναι αλήθεια, άλλες είναι «παραισθήσεις». Μπορείς να τις ξεχωρίσεις;