از کجا تمام این پاسخ ها را به تمام سؤالاتی که از طریق چتپ یا ابزارهای مشابه می پرسید ، از کجا می گیرید؟
منبع از طریق یک مدل اساسی است.
بنابراین بیایید به دنیای مدل های اساسی شیرجه بزنیم …
Genai چیست؟
شاخه AI برای تولید داده استفاده می شود. به عنوان مثال ، از طریق یک برنامه ، از آن می خواهید که توضیحی برای Genai بنویسید و پاسخ مفصلی به شما می دهد.
مدل چیست؟
مدل مغز عمل است …
… این ماده بر اساس مقادیر زیادی از داده ها آموزش دیده است تا با استفاده از هوش مصنوعی و یادگیری ماشین ، پاسخ به تعداد زیادی از سؤالات را ارائه دهد.
تا زمانی که برنامه ای را که روی مدل دسترسی قرار دارد ، یک مدل مفید نیست.
یک مدل کوچک برای کارهای تخصصی ساخته شده است.
مدل بنیاد ……… سوال بعدی را بخوانید !!!
مدل بنیاد Genai چیست؟
این مدل پایه و اساس است که واقعاً گسترده است و برای مقابله با مقدار زیادی بازجویی ساخته شده است.
به عنوان مثال ، GPT یک الگوی اصلی است که بر اساس آن بر اساس آن ساخته شده است. اما بسیاری از برنامه های دیگر به غیر از ChatGPT نیز مبتنی بر GPT هستند.
توجه: برای تسهیل دسترسی به مدل ، یک API (رابط برنامه نویسی برنامه) ساخته شده است. این امر ارسال درخواست و بازگشت پاسخ بدون دانستن جزئیات مدل را آسان تر می کند.
به آن فکر کنید انگار که به دنبال چیزی در یک خانه هستید …
… بدون اینکه تمام آگاهی از خانه باشد ، می توانید ساعت ها با آن به دنبال آنچه می خواهید بروید یا می توانید در خارج بایستید و از کسی که دانش دقیقی از خانه دارد ، بخواهید تا شما را به آنچه می خواهید برساند.
مراحل مرتبط با ساخت یک مدل اساسی چیست؟
از آنجا که برای ساختن یک مدل اساسی به پول زیادی احتیاج دارید ، ممکن است برای شروع این سفر گران قیمت نباشید ، اما دانستن مراحل مفید است:
1. اهداف خود را تعیین کنید
هدف: وظیفه ای را که می خواهید انجام دهید و نوع فرصت های مورد نیاز خود را درک کنید
دامنه: تصمیم بگیرید که آیا این یک مدل هدف کلی است یا اینکه برای یک دامنه خاص ساخته شده است (به عنوان مثال پزشکی).
2. جمع آوری و آماده سازی داده ها
شما باید تمام داده ها را جمع آوری و پردازش کنید. این ادامه خواهد یافت زیرا مجموعه داده های شما توسعه می یابد:
- جمع آوری داده ها – تمام داده های مورد نیاز خود را جمع آوری کنید. هنگامی که این داده ها را دارید ، باید پیش پردازش را انجام دهید.
- تمیز کردن داده ها – داده ها را پردازش کرده و نویز ، اطلاعات بی ربط و داده های حساس یا پیش داوری را حذف کنید.
- برچسب زدن داده ها – این افزودن برچسب زدن اطلاعات به داده ها به گونه ای که مدل یادگیری ماشین از آن می توان یاد گرفت. برچسب زدن را می توان به صورت دستی با تأمین جمعیت یا خودکار انجام داد.
3. طراحی و معماری برای انتخاب یک مدل
برای ساختن یک مدل 4 گزینه دارید:
- یکی از زمین ها را بسازید – ممکن است در صورت عدم دسترسی به آنها نیازهای منحصر به فردی داشته باشید.
- با یکی از طریق API ادغام شوید – به عنوان مثال ، آیا می توانید از GPT (chatgpt از این استفاده می کند) از طریق API استفاده کنید
- از کد Open One استفاده کنید – مدل های کد باز در دسترس هستند که شما می توانید از آنها استفاده کنید. برای پردازش داده ها به سرورهای خود نیاز خواهید داشت!
قاب های مدل سازی
فریم ها در دسترس هستند که به کاهش چشمگیر زمان مورد نیاز برای اجرای مدل ها کمک می کند. به عنوان مثال ، Tensorflow (از Google) و Pytorch.
4. آموزش مدل
تصور کنید که یک دسته از عکس های میوه دارید و می خواهید یک برنامه رایانه ای (مدل) برای یادگیری نحوه گفتن چیست. شما عکس ها را به مدل نشان می دهید و خواهید گفت که یکی از آنها چیست. سپس این برنامه به هر یک نگاه می کند تا ویژگی های آن را درک کند (مانند اندازه ، شکل ، رنگ) و هر تصویر با پاسخ صحیح نشان داده می شود. شما مدل را آموزش می دهید!
5. ارزیابی کارآیی
مدل مجموعه داده های مختلف را آزمایش کنید تا ببینید که چگونه این مدل بر روی کارهای مختلف برای دقت ، دوام و عدالت انجام می شود.
بر اساس نتایج ، آنها برخی از تنظیمات را انجام می دهند.
6. ساخت برنامه ها
اکنون که این مدل را در دسترس دارید ، برنامه ها باید ساخته شوند تا افراد بتوانند مدل را به روشی دوستانه کاربر زیر سوال ببرند.
به عنوان مثال chatgpt برای دسترسی به مدل GPT ایجاد شده است
شما در اینجا انتخابی دارید:
الف) یک API (رابط برنامه) ایجاد کنید که به افراد دیگر (گروه های داخلی یا خارجی) اجازه می دهد تا به راحتی با مدل ارتباط برقرار کنند. API پیچیدگی مورد نیاز برای درک مدل را از بین می برد.
ب). اگر یک مدل منبع باز درست کنید ، افراد آزاد هستند که از آن استفاده کنند و ما خودمان مدل را تطبیق می دهیم.
ج). شما می توانید خودتان برنامه ها را بسازید.
7. نگهداری
مدلی مانند هر قطعه نرم افزار نیاز به نگهداری مداوم دارد. همیشه در مورد صحت پاسخ ها ، ارائه پاسخ های اخلاقی و غیره مشکلاتی وجود خواهد داشت. این امر مستلزم حفظ فعلی همه مدل ها است.
انواع مدل های اساسی چیست؟
هنگام ساختن یک مدل ، آن را برای نوع دیگری از کار می سازید. به عنوان مثال ، اگر در حال ساختن الگویی هستید که در آن سؤال می کنید و بر اساس متن پاسخ می دهید ، پس از پردازش یک زبان طبیعی ، الگویی می خواهید که خوب باشد.
اگر در حال ساخت مدلی هستید که می خواهید تصاویر را نیز پردازش کنید ، با یک مدل متفاوت از مدل شروع می کنید.
در اینجا طبقه بندی بر اساس انواع داده هایی که می توانند پردازش کنند وجود دارد:
| مدل | نمونه مدل | توضیح |
| متن | gpt | GPT پاسخ های متن را می پذیرد و پردازش می کند. Chatgpt بر اساس GPT است. سایر مدل های متن نمونه شامل فرمان Cohere ، Claude ، Palm 2 است. |
| بر اساس یک تصویر | دال | این تصاویر را پردازش می کند و نمونه ای از این موارد است Copy.ai ، که ابزاری برای پشتیبانی از کپی بازاریابی است و از Dall-E برای تصاویر پایدار استفاده می کند ، نمونه دیگری از یک مدل مبتنی بر تصویر است. |
| چند درجه | GPT-4 | نسخه اصلی GPT فقط متن بود ، اما اکنون می تواند تصاویر را پردازش کند. چند معین جایی است که می توانید بیش از یک نوع نوع مدل استفاده کنید. دوقلوهای گوگل نیز بسیار معین هستند. |
| صدا و گفتار | موج دار | صوتی بگیرید و به گفتار تبدیل شوید و برعکس. متن Google Cloud به گفتار مبتنی بر Wavenet است |
| دامنه خاص | وابسته به ارگانیک | این به طور خاص برای زمینه پزشکی ایجاد شده است. این هنوز یک مدل اصلی است زیرا مبتنی بر داده های زیادی است. |
| دارای زبان | موبرت | این یک مدل زبان بزرگ (LLM) نیست. این مدلی است که به چند زبان آموزش داده شده است. این یک درک تخصصی از هر لاناگوژ ارائه می دهد. |
متن
پردازش زبان طبیعی جایی است که می توانید از روشی که می خواهید از یک شخص عادی سؤال کنید سؤال کنید و مدل می تواند آنچه را که می پرسید درک کند و پاسخ مکالمه را ارائه دهد.
در ابتدا ، LLM (یک مدل زبان بزرگ) برای پردازش و تولید متن طراحی شده است ، اما با گذشت زمان آنها به مدل هایی با مدل های زیادی تبدیل شده اند تا بتوانند تصاویر را به عنوان ورودی بپذیرند و حتی آن را به عنوان یک خروجی تولید کنند.
الگوهای مبتنی بر تصاویر
از این مدل ها برای درک و تفسیر داده های بصری استفاده می شود. آنها می توانند تصاویر ، تشخیص شی ، تولید تصویر و موارد دیگر را طبقه بندی کنند.
مدل های چند حالته
در اینجا چندین حالت را در یک مدل ترکیب می کنید. به عنوان مثال ، مدلی که می تواند متن و تصاویر را پردازش کند.
الگوهای صوتی و گفتاری
آیا باید این را توضیح دهم … ها -ها !!
از آنها می توان برای تشخیص گفتار ، تغییر متن گفتار و حتی نسلی از موسیقی استفاده کرد.
الگوهای خاص دامنه پایه
این مدل ها هدف کلی نیستند ، اما در یک دامنه خاص آموزش دیده اند ، اما هنوز هم مدل های اصلی این دامنه هستند. به عنوان مثال ، شما می توانید یک الگوی اساسی برای اسناد حقوقی داشته باشید.
زبان خاص برای مدل اصلی
برای اکثر مدل ها می توانید سؤال کنید و به زبان های مختلف پاسخ دهید.
اما آنها نمی توانند خاص برای آن کشور یا زبان ساخته شوند.
مدلهای اساسی برای یک کشور خاص ساخته شده است که برای همه موارد مرتبط با این کشور آموزش دیده است ، به عنوان مثال این تفاوت های فرهنگی را درک می کند.
برخی از چالش های مدل های اصلی چیست؟
الزامات زیرساختی – آنها به مقادیر زیادی پردازش داده نیاز دارند و این باید به سرعت انجام شود. این یکی از دلایل قیمت سهام NVIDIA برای موشک است زیرا آنها تراشه هایی را ارائه می دهند که قابلیت های مدرن را برای AI مناسب دارند.
کار توسعه – داشتن یک مدل اساسی بسیار عالی است ، اما شما باید پشته خود را در بالای این مدل بسازید ، که برای توسعه نیاز به کار زیادی دارد. خوش شانس است که مدل های AI اکنون می توانند کد تولید کنند !!!
دقت – شما برخی از داده ها را پمپ می کنید و آن را آموزش می دهید ، اما همیشه نتایج درستی به دست نمی آورید. اگر داده های شما عالی نیست ، تمیز کردن این داده ها کامل نیست و مدل شما به اندازه کافی خوب نیست ، پس نتایج اشتباهی خواهید داد. یک انتظار وجود دارد که همیشه جواب درست است ، اما این طور نیست.
اعتیاد – تعصب بالقوه در داده ها وجود دارد ، بنابراین شما باید مدل را به خوبی آموزش دهید و پشته ای بسازید که فقط مناسب ترین پاسخ ها را ارائه دهد.
خلاصه
مدل پایه و اساس “بنیاد” همه مواردی است که Genai. مدل ها توسعه خواهند یافت و ما شاهد توسعه بسیاری از مدل های تخصصی با گذشت زمان خواهیم بود. اکنون مدل های بزرگ زبان داریم ، اما مدل های کوچک خواهیم داشت. قدرت رایانه مورد نیاز برای مدل های بزرگ بسیار زیاد است ، بنابراین گزینه های دیگری وجود خواهد داشت.
پست های مشابهی که ممکن است دوست داشته باشید …
