MLCopilot: Използвайте силата на LLM, за да помогнете на разработчиците в техните ML задачи
Накратко
MLCopilot е нов начин за използване на модели за машинно обучение за решаване на предизвикателни задачи, автоматизиране на процеса на избор на параметри и архитектури.
Той работи на две нива, офлайн и онлайн, като извлича знания от стотици експерименти с машинно обучение и прилага специален promtp за генериране на решение.
Той осигурява осезаеми предимства като скорост на изпълнение и намаляване на разходите за труд.
Моделите за машинно обучение са използвани за решаване на различни задачи; обучението им обаче е предимно ръчен процес. Предизвикателството беше да се изберат правилните параметри и архитектури, за да се получат най-добри резултати, тъй като процесът изисква значително ноу-хау и опит. С появата на напреднали технологии и големи езикови модели (LLM), като напр GPT-3.5, този процес вече може да бъде автоматизиран. Това отваря нов начин за използване на силата на моделите за машинно обучение при решаване на предизвикателни задачи: MLCopilot.
MLCopilot работи на две нива. От офлайн страна, обекти като намерението и архитектурата на модела са унифицирани със знания, извлечени от стотици експерименти с машинно обучение. Тези данни формират базата от знания, върху която работи MLCopilot. От онлайн страна, MLCopilot прилага специална подкана, включително подходящи примери от предишни експерименти, за да генерира решение за най-добрия подход за решаване на определена задача. Установено е, че такива решения са по-точни от тези, взети от хора, които ръчно избират и прилагат изпитани алгоритми.
В допълнение към вземането на по-точни решения, MLCopilot осигурява осезаеми предимства като скорост на изпълнение и намаляване на разходите за труд. От друга страна, трябва да се имат предвид някои недостатъци, например необходимостта от данни с висока точност за формиране на базата от знания и необходимостта моделът да се поддържа актуален с нови експерименти.
Интересното е, че оценките на експериментите от историята бяха преведени в относителни такива без числа: „много ниско“, „ниско“, „средно“, „високо“ и „много високо“. Въз основа на това моделът може да определи какво работи и какво не.
Като цяло MLCopilot има потенциала да подобри начина, по който се решават задачите за машинно обучение. Чрез автоматично избиране на правилните параметри и архитектура ни позволява да използваме силата на моделите за машинно обучение, за да спестим време и разходи, като същевременно подобряваме точността. В крайна сметка тези предимства ще бъдат от полза за всички: от отделни изследователи до големи корпорации или държавни организации. Това е огромен скок напред за ерата на ИИ и със сигурност ще бъде последван от още вълнуващи развития.
Статията завършва с плашеща нотка за някои и мотивираща нотка за други: „Надяваме се, че дизайнът на нашия метод може да послужи като вдъхновение за по-широката общност и да допринесе за напредъка на LLMs към целта за постигане на изкуствен общ интелект ( AGI).“
- На март 14, OpenAI оповестен стартирането на GPT-4, подобрена версия на своя модел с изкуствен интелект GPT-3.5. Той е постигнал праг на висок клас, превъзхождайки го GPT-3.5 на различни критерии за изследване.
Прочетете повече за AI:
Отказ от отговорност
В съответствие с Доверете се насоките на проекта, моля, имайте предвид, че предоставената на тази страница информация не е предназначена да бъде и не трябва да се тълкува като правен, данъчен, инвестиционен, финансов или каквато и да е друга форма на съвет. Важно е да инвестирате само това, което можете да си позволите да загубите, и да потърсите независим финансов съвет, ако имате някакви съмнения. За допълнителна информация предлагаме да се обърнете към правилата и условията, както и към страниците за помощ и поддръжка, предоставени от издателя или рекламодателя. MetaversePost се ангажира с точно, безпристрастно отчитане, но пазарните условия подлежат на промяна без предизвестие.
За автора
Дамир е ръководител на екип, продуктов мениджър и редактор в Metaverse Post, обхващащи теми като AI/ML, AGI, LLMs, Metaverse и Web3- свързани полета. Статиите му привличат огромна аудитория от над милион потребители всеки месец. Изглежда, че е експерт с 10 години опит в SEO и дигитален маркетинг. Дамир е споменат в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto и други публикации. Той пътува между ОАЕ, Турция, Русия и ОНД като дигитален номад. Дамир получава бакалавърска степен по физика, която според него му е дала уменията за критично мислене, необходими за успех в непрекъснато променящия се пейзаж на интернет.
Още статии
Дамир е ръководител на екип, продуктов мениджър и редактор в Metaverse Post, обхващащи теми като AI/ML, AGI, LLMs, Metaverse и Web3- свързани полета. Статиите му привличат огромна аудитория от над милион потребители всеки месец. Изглежда, че е експерт с 10 години опит в SEO и дигитален маркетинг. Дамир е споменат в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto и други публикации. Той пътува между ОАЕ, Турция, Русия и ОНД като дигитален номад. Дамир получава бакалавърска степен по физика, която според него му е дала уменията за критично мислене, необходими за успех в непрекъснато променящия се пейзаж на интернет.
