Ի՞նչ է գեներատիվ արհեստական ​​բանականությունը։

Գեներատիվ արհեստական ​​բանականությունը վերաբերում է մոդելներին, որոնք ստեղծում են նոր բովանդակություն՝ տեքստ, պատկերներ, աուդիո, տեսանյութ, կոդ, տվյալների կառուցվածքներ՝ հիմնվելով մեծ տվյալների հավաքածուներից ստացված օրինաչափությունների վրա: Պարզապես իրերը պիտակավորելու կամ դասակարգելու փոխարեն, այս համակարգերը ստեղծում են նորարարական արդյունքներ, որոնք նման են տեսածին, առանց ճշգրիտ պատճեններ լինելու: Մտածեք. գրեք պարբերություն, ստեղծեք լոգո, նախագծեք SQL, ստեղծագործեք մեղեդի: Սա է հիմնական գաղափարը: [1]

Հոդվածներ, որոնք կարող են ձեզ դուր գալ կարդալ սրանից հետո.

🔗 Ի՞նչ է բացատրվում գործակալական արհեստական ​​բանականությամբ
Բացահայտեք, թե ինչպես է գործակալական արհեստական ​​բանականությունը ինքնուրույն պլանավորում, գործում և սովորում ժամանակի ընթացքում։

🔗 Ի՞նչ է արհեստական ​​բանականության մասշտաբայնությունը գործնականում այսօր
Իմացեք, թե ինչու են մասշտաբային արհեստական ​​բանականության համակարգերը կարևոր աճի և հուսալիության համար։

🔗 Ի՞նչ է արհեստական ​​բանականության համար նախատեսված ծրագրային շրջանակը
Հասկացեք վերաօգտագործելի արհեստական ​​բանականության շրջանակները, որոնք արագացնում են մշակումը և բարելավում հետևողականությունը։

🔗 Մեքենայական ուսուցումն ընդդեմ արհեստական ​​բանականության. հիմնական տարբերությունների բացատրությունը
Համեմատեք արհեստական ​​բանականության և մեքենայական ուսուցման հասկացությունները, հնարավորությունները և իրական աշխարհում կիրառությունները։

Ինչո՞ւ են մարդիկ անընդհատ հարցնում. «Ի՞նչ է գեներատիվ արհեստական ​​բանականությունը» 🙃

Որովհետև դա կախարդանքի պես է զգացվում։ Դուք մուտքագրում եք հուշում, և ստացվում է ինչ-որ օգտակար բան՝ երբեմն հանճարեղ, երբեմն՝ տարօրինակ։ Սա առաջին անգամն է, որ ծրագիրը թվում է խոսակցական և ստեղծագործական մասշտաբով։ Բացի այդ, այն համընկնում է որոնման, օգնականների, վերլուծության, դիզայնի և մշակողի գործիքների հետ, ինչը խճճում է կատեգորիաները և, անկեղծ ասած, խճճում բյուջեները։

Ի՞նչն է դարձնում գեներատիվ արհեստական ​​բանականությունը օգտակար ✅

• Դրաֆթ ընտրելու արագություն . այն ձեզ հնարավորություն է տալիս անհավանականորեն արագ կատարել լավ առաջին փոխանցում։

• Կաղապարի սինթեզ - համատեղում է գաղափարներ տարբեր աղբյուրներից, որոնց հետ դուք կարող է կապ չունեք երկուշաբթի առավոտյան։

• Ճկուն ինտերֆեյսներ ՝ զրույց, ձայն, պատկերներ, API զանգեր, պլագիններ. ընտրեք ձեր ուղին։

• Անհատականացում ՝ թեթև հուշումների ձևանմուշներից մինչև ձեր սեփական տվյալների վրա լրիվ ճշգրտում:

• Բարդ աշխատանքային հոսքեր ՝ շղթայական քայլեր բազմափուլ առաջադրանքների համար, ինչպիսիք են հետազոտությունը → ուրվագիծը → նախագիծը → որակի ապահովումը։

• Գործիքների օգտագործում . շատ մոդելներ կարող են զանգահարել արտաքին գործիքներ կամ տվյալների բազաներ զրույցի ընթացքում, որպեսզի նրանք պարզապես չկռահեն։

• Հավասարեցման տեխնիկաներ ՝ RLHF օգնության մոդելների նման մոտեցումները ավելի օգտակար և անվտանգ են գործում առօրյա օգտագործման ժամանակ։ [2]

Անկեղծ լինենք. սրանից ոչինչ այն բյուրեղապակյա գունդ չի դարձնում։ Այն ավելի շատ նման է տաղանդավոր պրակտիկանտի, որը երբեք չի քնում և երբեմն-երբեմն հալյուցինացիաներ է տեսնում մատենագրության մեջ։

Կարճ տարբերակը, թե ինչպես է այն աշխատում 🧩

Տեքստային մոդելների մեծ մասը օգտագործում է տրանսֆորմերներ ՝ նեյրոնային ցանցի ճարտարապետություն, որը գերազանցում է հաջորդականությունների միջև փոխհարաբերությունները նկատելու հարցում, ուստի այն կարող է կանխատեսել հաջորդ տոկենը այնպես, որ այն հետևողական լինի։ Պատկերների և տեսանյութերի համար դիֆուզիոն մոդելները դրանք սովորում են սկսել աղմուկից և իտերատիվ կերպով հեռացնել այն՝ հավանական պատկեր կամ հատված բացահայտելու համար։ Սա պարզեցում է, բայց օգտակար։ [3][4]

• Տրանսֆորմերներ . հիանալի են լեզվի, դատողության ձևերի և բազմամոդալ առաջադրանքների մեջ, երբ այդպես են մարզվում: [3]

• Դիֆուզիա . ուժեղ է ֆոտոռեալիստական ​​պատկերների, հետևողական ոճերի և հրահանգների կամ դիմակների միջոցով կառավարելի խմբագրումների համար։ [4]

Կան նաև հիբրիդներ, վերականգնման ընդլայնված կարգավորումներ և մասնագիտացված ճարտարապետություններ. եփածը դեռ եռում է։

Համեմատական ​​աղյուսակ. հայտնի գեներատիվ արհեստական ​​բանականության տարբերակներ 🗂️

Միտումնավոր անկատար. որոշ բջիջներ մի փոքր յուրօրինակ են՝ արտացոլելով իրական աշխարհի գնորդների նշումները: Գները տատանվում են, ուստի դրանք վերաբերվեք որպես գնագոյացման ոճերի , այլ ոչ թե ֆիքսված թվերի:

Փոքրիկ նշում. տարբեր մատակարարներ հրապարակում են տարբեր անվտանգության համակարգեր, սակագնային սահմանափակումներ և քաղաքականություններ: Միշտ նայեք նրանց փաստաթղթերին, հատկապես, եթե առաքում եք կատարում հաճախորդներին:

Կապոտի տակ. տրանսֆորմերներ մեկ շնչով 🌀

Տրանսֆորմերները օգտագործում են ուշադրության մեխանիզմներ՝ յուրաքանչյուր քայլում մուտքային տվյալների որ մասերն են առավել կարևոր կշռադատելու համար: Ձախից աջ կարդալու փոխարեն, ինչպես ոսկե ձուկը լապտերով, նրանք զուգահեռաբար նայում են ամբողջ հաջորդականությանը և սովորում են այնպիսի օրինաչափություններ, ինչպիսիք են թեմաները, միավորները և շարահյուսությունը: Այդ զուգահեռությունը՝ և շատ հաշվարկները, օգնում են մոդելներին մասշտաբավորվել: Եթե լսել եք տոկենների և համատեքստային պատուհանների մասին, ապա սա այն է, որտեղ այն գործում է: [3]

Գլխարկի տակ՝ դիֆուզիա մեկ շնչով 🎨

Դիֆուզիոն մոդելները սովորում են երկու հնարք՝ աղմուկ են ավելացնում մարզվող պատկերներին, ապա շրջում են աղմուկը՝ իրատեսական պատկերներ վերականգնելու համար: Ստեղծման ժամանակ դրանք սկսվում են մաքուր աղմուկից և այն վերադարձնում են կոհերենտ պատկերի՝ օգտագործելով սովորած աղմուկը հանելու գործընթացը: Դա տարօրինակ կերպով նման է ստատիկ նյութից քանդակելուն՝ ոչ կատարյալ փոխաբերություն, բայց հասկացաք: [4]

Հավասարեցում, անվտանգություն և «խնդրում եմ, մի՛ խախտեք կանոնները» 🛡️

Ինչո՞ւ են որոշ չաթի մոդելներ մերժում որոշակի հարցումներ կամ տալիս պարզաբանող հարցեր: Մեծ մասամբ կարևորվում է մարդկային հետադարձ կապի միջոցով ամրապնդող ուսուցումը (RLHF) . մարդիկ գնահատում են նմուշային արդյունքները, պարգևատրման մոդելը սովորում է այդ նախասիրությունները, իսկ բազային մոդելը մղվում է ավելի օգտակար գործելու: Սա մտքի վերահսկողություն չէ, այլ վարքային ուղղորդում՝ մարդկային դատողությունների ցիկլում: [2]

Կազմակերպչական ռիսկերի համար, այնպիսի շրջանակներ, ինչպիսիք են NIST AI ռիսկերի կառավարման շրջանակը և դրա գեներատիվ AI պրոֆիլը , ուղեցույց են տրամադրում անվտանգության, պաշտպանվածության, կառավարման, ծագման և մոնիթորինգի գնահատման համար: Եթե դուք սա կիրառում եք աշխատանքի վայրում, այս փաստաթղթերը զարմանալիորեն գործնական ստուգաթերթիկներ են, այլ ոչ թե պարզապես տեսություն: [5]

Կարճ պատմություն. փորձնական սեմինարի ժամանակ աջակցության թիմը շղթայականորեն ամփոփում էր → արդյունահանում հիմնական դաշտերը → պատասխանի նախագիծ → մարդկային վերանայում : Շղթան մարդկանց չէր հեռացնում. այն նրանց որոշումները դարձնում էր ավելի արագ և ավելի հետևողական հերթափոխերի ընթացքում:

Որտեղ է փայլում գեներատիվ արհեստական ​​բանականությունը, թե որտեղ է այն ձախողվում 🌤️↔️⛈️

Փայլում է.

• Բովանդակության, փաստաթղթերի, էլեկտրոնային նամակների, տեխնիկական բնութագրերի, սլայդների առաջին նախագծերը

• Երկար նյութերի ամփոփումներ, որոնք դուք չեք ցանկանա կարդալ

• Կոդի օգնություն և ստանդարտների կրճատում

• Մտքերի փոթորիկ՝ անունների, կառուցվածքների, թեստային դեպքերի, հուշումների շուրջ

• Պատկերի կոնցեպտներ, սոցիալական վիզուալներ, ապրանքի մակետներ

• Թեթև տվյալների մշակում կամ SQL scaffolding

Սայթաքում է.

• Փաստական ​​ճշգրտություն՝ առանց վերականգնման կամ գործիքների

• Բազմաստիճան հաշվարկներ, երբ դրանք հստակորեն չեն ստուգվել

• Իրավունքի, բժշկության կամ ֆինանսների ոլորտում նուրբ ոլորտային սահմանափակումներ

• Եզրային դեպքեր, սարկազմ և երկարատև գիտելիքներ

• Մասնավոր տվյալների մշակում, եթե այն ճիշտ չեք կարգավորել

Պաշտպանիչ ցանկապատերը օգնում են, բայց ճիշտ քայլը համակարգի նախագծումն ՝ ավելացնել որոնման, վավերացման, մարդկային վերանայման և աուդիտի հետքեր: Այո, ձանձրալի է, բայց ձանձրալի է կայուն:

Գործնական եղանակներ այն այսօր օգտագործելու համար 🛠️

• Գրեք ավելի լավ, ավելի արագ ՝ ուրվագծել → ընդարձակել → սեղմել → հղկել: Կրկնեք մինչև հնչի ձեր նման:

• Հետազոտություն առանց «ճագարի անցքերի» . խնդրեք կառուցվածքային համառոտագիր՝ աղբյուրներով, այնուհետև հետապնդեք այն հղումները, որոնք ձեզ իրականում հետաքրքրում են։

• Կոդի օգնություն . բացատրել ֆունկցիան, առաջարկել թեստեր, մշակել վերակառուցման պլան. երբեք մի տեղադրեք գաղտնիքներ։

• Տվյալների հետ կապված աշխատանքներ . ստեղծեք SQL կմախքներ, regex կամ սյունակային մակարդակի փաստաթղթեր։

• Դիզայնի գաղափարի մշակում . ուսումնասիրեք տեսողական ոճերը, այնուհետև հանձնեք դիզայներին՝ ավարտելու համար:

• Հաճախորդի գործողություններ ՝ պատասխանների նախագծերի կազմում, մտադրությունների տեսակավորում, փոխանցման համար զրույցների ամփոփում։

• Արտադրանք . ստեղծեք օգտատիրոջ պատմություններ, ընդունման չափանիշներ և պատճենման տարբերակներ, այնուհետև A/B թեստավորեք տոնը։

Հուշում. բարձր արդյունավետությամբ հուշումները պահպանեք որպես ձևանմուշներ: Եթե այն մեկ անգամ աշխատի, ապա հավանաբար կրկին կաշխատի փոքր փոփոխություններով:

Խորը ուսումնասիրություն. հուշում, որն իրականում աշխատում է 🧪

• Տվեք կառուցվածք ՝ դերեր, նպատակներ, սահմանափակումներ, ոճ։ Մոդելները սիրում են ստուգաթերթիկ։

• Մի քանի օրինակներ ՝ ներառեք մուտքային տվյալների → իդեալական ելքային տվյալների 2-3 լավ օրինակներ։

• Մտածեք փուլային . խնդրեք դատողություններ կամ փուլային արդյունքներ, երբ բարդությունը բարձրանում է:

• Ամրացրեք ձայնը . տեղադրեք ձեր նախընտրած տոնի կարճ նմուշ և ասեք՝ «արտացոլեք այս ոճը»։

• Սահմանել գնահատումը . խնդրեք մոդելին քննադատել իր սեփական պատասխանը չափանիշների համեմատ, այնուհետև վերանայել այն։

• Օգտագործեք գործիքներ . որոնում, վեբ որոնում, հաշվիչներ կամ API-ներ, որոնք կարող են զգալիորեն նվազեցնել հալյուցինացիաները։ [2]

Եթե ​​միայն մեկ բան հիշես՝ ասա, թե ինչը անտեսի ։ Սահմանափակումները ուժ են։

Տվյալներ, գաղտնիություն և կառավարում՝ ոչ այնքան հմայիչ մասերը 🔒

• Տվյալների ուղիներ . պարզաբանեք, թե ինչ է գրանցվում, պահպանվում կամ օգտագործվում ուսուցման համար:

• PII և գաղտնիքներ . պահեք դրանք հուշումներից դուրս, եթե ձեր կարգավորումը հստակորեն թույլ չի տալիս և չի պաշտպանում դրանք։

• Մուտքի վերահսկում . մոդելներին վերաբերվեք որպես արտադրական տվյալների բազաների, այլ ոչ թե խաղալիքների։

• Գնահատում . հետևեք որակին, կողմնակալությանը և շեղմանը, չափեք իրական առաջադրանքներով, այլ ոչ թե տպավորություններով։

• Քաղաքականության համապատասխանեցում . հատկանիշները համապատասխանեցնել NIST AI RMF կատեգորիաներին, որպեսզի հետագայում անակնկալի չգաք։ [5]

Հաճախակի տրվող հարցեր, որոնք ես ստանում եմ անընդհատ 🙋♀️

Ստեղծագործական է, թե՞ պարզապես միքսինգ։
Ինչ-որ միջանկյալ տեղ։ Այն վերամիավորում է նախշերը նորարարական ձևերով՝ ոչ թե մարդկային ստեղծագործական, այլ հաճախ հարմար ձևով։

Կարո՞ղ եմ վստահել փաստերին։
Վստահիր, բայց ստուգիր։ Ավելացրու որոնում կամ գործիքի օգտագործում բարձր ռիսկերի հետ կապված ցանկացած բանի համար։ [2]

Ինչպե՞ս են պատկերի մոդելները հասնում ոճի համապատասխանության:
Արագ ինժեներական լուծումներ, գումարած այնպիսի տեխնիկաներ, ինչպիսիք են պատկերի կարգավորումը, LoRA ադապտերները կամ նուրբ կարգավորումը: Դիֆուզիոն հիմքերը նպաստում են համապատասխանությանը, չնայած պատկերների տեքստի ճշգրտությունը դեռ կարող է տատանվել: [4]

Ինչո՞ւ են չաթի մոդելները «հետ մղում» ռիսկային հարցումները:
Համապատասխանեցման տեխնիկաներ, ինչպիսիք են RLHF-ը և քաղաքականության շերտերը: Կատարյալ չէ, բայց համակարգվածորեն օգտակար է: [2]

Նոր ի հայտ եկող սահմանը 🔭

• Բազմամոդալ ամեն ինչ . տեքստի, պատկերի, աուդիոյի և տեսանյութի ավելի սահուն համադրություններ։

• Ավելի փոքր, ավելի արագ մոդելներ . արդյունավետ ճարտարապետություններ սարքի վրա և եզրային պատյանների համար։

• Ավելի խիտ գործիքային ցիկլեր . գործակալներ, որոնք կանչում են ֆունկցիաներ, տվյալների բազաներ և հավելվածներ, կարծես ոչինչ չկա։

• Ավելի լավ ծագում . ջրանիշեր, բովանդակության տվյալներ և հետևելի խողովակաշարեր։

• Կառավարման ներդրում ՝ գնահատման փաթեթներ և կառավարման շերտեր, որոնք զգացվում են որպես սովորական մշակողների գործիքներ։ [5]

• Դոմենային առումով կարգավորվող մոդելներ . շատ աշխատանքների համար մասնագիտացված կատարողականը գերազանցում է ընդհանուր ճարտասանությանը։

Եթե ​​զգացվում է, որ ծրագրային ապահովումը դառնում է համագործակցող, դա է իմաստը։

Շատ երկար է, չէի կարդացել - Ի՞նչ է գեներատիվ արհեստական ​​բանականությունը։ 🧾

Սա մոդելների ընտանիք է, որոնք ստեղծում են նոր բովանդակություն, այլ ոչ թե միայն գնահատում են առկա բովանդակությունը: Տեքստային համակարգերը սովորաբար տրանսֆորմատորներ , որոնք կանխատեսում են տոկենները. շատ պատկերային և տեսահամակարգեր դիֆուզիոն մոդելներ են, որոնք աղմուկը վերացնում են՝ վերածելով ինչ-որ համահունչ բանի: Դուք ստանում եք արագություն և ստեղծագործական լծակներ՝ երբեմն-երբեմն վստահ անհեթեթության գնով, որը կարող եք կարգավորել որոնման, գործիքների և RLHF-ի : Թիմերի համար հետևեք գործնական ուղեցույցներին, ինչպիսին է NIST AI RMF-ը ՝ պատասխանատու առաքում կատարելու համար՝ առանց կանգ առնելու: [3][4][2][5]

Հղումներ

1. IBM - Ի՞նչ է գեներատիվ արհեստական ​​բանականությունը։
   Կարդալ ավելին

2. OpenAI - Լեզվական մոդելների համապատասխանեցում հրահանգներին (RLHF)
   կարդալ ավելին

3. NVIDIA բլոգ - Ի՞նչ է տրանսֆորմերի մոդելը։
   կարդալ ավելին

4. Գրկախառնվող դեմք - Դիֆուզիոն մոդելներ (Դասընթացի միավոր 1)
   կարդալ ավելին

5. NIST - Արհեստական ​​բանականության ռիսկերի կառավարման շրջանակ (և գեներատիվ արհեստական ​​բանականության պրոֆիլ)
   կարդալ ավելին

Գտեք արհեստական ​​բանականության վերջին նորույթները պաշտոնական արհեստական ​​բանականության օգնականների խանութում

Մեր մասին