Neredeyse başka hiçbir teknolojik konu yapay zeka (AI) gibi anahtar kelimelerle dolu değildir. Sunumlar ve basın bültenleri genellikle etkileyici görünen, ancak nadiren açıklayan terimlerle doludur. Temeldeki kavramları bilmiyorsanız, hem abartılı bir umut ve haksız şüphecilikle yanlış beklentiler geliştirebilirsiniz.
Golo Roden, yerel web GmbH'nin kurucusu ve CTO'sudur. Olaylara ve hizmetlere dayalı olarak dağıtılmış mimarilere özellikle dikkat ederek web ve bulut uygulamalarının ve arıların anlayışı ve geliştirilmesi ile ilgilidir. Yol gösterici ilkesi, yazılımın gelişiminin kendi başına bir son olmaması, ancak her zaman aşağıda bir profesyonellik izlemesi gerektiğidir.
Bu yazıda, bazı tipik parolalara bakıyorum ve arkasında neyin gizlendiğini açıklıyorum.
Yargıç olarak LLM
GPT gibi büyük vokal modeller sadece bir metin üreticisi olarak değil, aynı zamanda bir değerlendirme organı olarak daha fazla kullanılır. Bir LLM'den, örneğin doğruluk, okunabilirlik veya alaka düzeyinden sonra başka bir modelin çıktısını kontrol etmesi istenir.
(Resim: Altın Sikorka/Shutterstock)
29 Ekim'de şirketteki LLMS çevrimiçi konferansı, doğru modeli nasıl seçileceğini, altyapıyı oluşturmayı ve güvenliği kontrol altında tutmayı gösteriyor. Buna ek olarak, IX ve DPunkt.verlag'ın temalı günü, yeni nesil LLM gibi sıvı temellerinin modellerine bir bakış açısı veriyor.
Uygulamada şu anlama gelir: A Model bir metin oluşturur, Model B kriterlere göre değerlendirir ve örneğin bir puanı affeder veya iki cevabın en iyisini seçer.
Bu prosedür teknik olarak muhteşem değildir. Yalnızca vokal modelleri metnin kalitesini ve içeriğin insan standartlarına göre tutarlılığını taklit etmeyi öğrendiği için çalışır. Gerçek bir anlayış veya nesnel sınav yoktur.
Birkaç vuruş öğrenmek
Bu terim, bir modelin bazı örneklerden öğrenme veya çok az gösteriyle faaliyetleri çözme yeteneğini açıklar.
Bir uygulama: LLM'ye ilişkili soru ve cevapların üç kısa örneği verir. Bu nedenle model, bu görev hakkında tam olarak eğitilmeden benzer soruları cevaplayabilir.
Birkaç vuruşta öğrenmek mümkündür çünkü büyük vokal modeller eğitimlerinde son derece yüksek sayıda model görmüştür. Bu kalıpları yeni görevler için genelleştirirler, ancak klasik “anında” anlamda öğrenmezler. Aktif öğrenme değil, modelin bir ayarlamasıdır.
Birleştirme
Embs, sürekli bir alandaki kelimelerin, cümlelerin veya belgelerin önemini temsil eden sayısal vektörlerden başka bir şey değildir.
Benzer birleştirme vektörleri benzer öneme sahip iki metne sahiptir. Bu, semantik araştırma veya kümeleme gibi faaliyetleri çözmenizi sağlar.
Uygulamada, EMBS, veri tabanlarını anlam odalarıyla birleştirmek için kullanılır. Bir araştırma sorgusu aynı vektör odasına çevrilir ve en yakın noktalar en uygun sonuçlardır.
Önemlidir: İçeriği anlamamak. Sadece istatistiksel benzerlik.
Araba
“Otomatik Öğrenme Otomatik” işlevsellik, model seçimi veya hiperparametre optimizasyonu olarak ML iş akışının bölümlerini otomatikleştiren araçları gösterir.
AutomL, şirketler için giriş engelini düşürebilir ve standart aktiviteler için yararlıdır. Ancak, veri ve yöntemlerin derin bir anlayışının yerini almaz. Karmaşık veya kritik projelerde, geliştiriciler modelin seçimi, veri kalitesi ve doğrulama için sorumluluk almaya devam etmelidir.
Halüsinasyonlar
“Halüsinasyon” terimi, makul ancak yanlış bilgilerin oluşturulduğu LLMS davranışını açıklar.
Bu, modelin sadece kelimelerin sonuçlarının olasılığını hesaplaması nedeniyle gerçeği bilmiyor. Eğitim verilerindeki en olası devam filmi tipik ise, ancak aslında bir tahsis oluşturulur.
Bu fenomen bir istisna değil, vokal modellerin işleyişinin doğrudan bir sonucudur. Bu sistemlerin ek doğrulama olmadan güvenilir bir bilgi kaynağı olarak uygun olmadığını açıklığa kavuşturmaktadır.
Üretken
“Üretken” gibi yeni içeriği basitçe sınıflandırmak veya analiz etmek veya analiz etmek yerine yeni içerik oluşturan sistemler. Bu şunları içerir:
- Metin (llms, chatbot),
- Görüntüler (karardan istikrarlı difüzyon),
- Ses ve müzik de
- 3D videolar ve modeller.
Terim genellikle yaratıcılık gibi görünüyor, ancak esasen istatistiksel kalıplara devam ediyor: modeller yeni baskılar yapmayı öğrendikleri birleştiriyor.
Bilinen ilkeler
Düzen sözleri genellikle radikal olarak yeni beceriler gibi görünüyor, ancak neredeyse her zaman bilinen ilkelerden kaynaklanıyorlar. Temeldeki kavramları anlarsanız, pazarlama ifadelerini gerçekçi bir şekilde sınıflandırabilir ve bir hype maddesi varsa daha hızlı tanıyabilirsiniz.
Bu serinin bir sonraki ve son bölümünde bir sonuç alıyorum ve uygulama içinde elde edilen bilgileri iyi kurulmuş kararlar için nasıl kullanabileceğiniz, uzman departmanlarla daha iyi iletişim veya yapay zeka projelerinin değerlendirilmesi hakkında bilgi veriyorum.
(RME)
Bir yanıt yazın