MLCopilot: از قدرت LLM برای کمک به توسعه دهندگان در وظایف ML خود استفاده کنید
به طور خلاصه
MLCopilot روشی جدید برای استفاده از مدلهای یادگیری ماشین برای حل وظایف چالشبرانگیز، خودکارسازی فرآیند انتخاب پارامترها و معماریها است.
این برنامه در دو سطح آفلاین و آنلاین عمل میکند و دانش را از صدها آزمایش یادگیری ماشین استخراج میکند و از یک promtp ویژه برای ایجاد یک تصمیم استفاده میکند.
مزایای ملموسی مانند سرعت اجرا و کاهش هزینه نیروی کار را فراهم می کند.
مدل های یادگیری ماشین برای حل وظایف مختلف استفاده شده است. با این حال، آموزش آنها عمدتا یک فرآیند دستی بوده است. چالش انتخاب پارامترها و معماری های مناسب برای به دست آوردن بهترین نتایج بود زیرا این فرآیند به دانش و تجربه قابل توجهی نیاز دارد. با ظهور فناوری های پیشرفته و مدل های بزرگ زبان (LLM) مانند GPT-3.5، این فرآیند اکنون می تواند خودکار شود. این راه جدیدی را برای استفاده از قدرت مدل های یادگیری ماشین در حل وظایف چالش برانگیز باز می کند: MLCopilot.
MLCopilot در دو سطح عمل می کند در سمت آفلاین، موجودیت هایی مانند معماری هدف و مدل با دانش استخراج شده از صدها آزمایش یادگیری ماشین یکپارچه شده اند. این داده ها پایگاه دانشی را تشکیل می دهد که MLCopilot بر روی آن کار می کند. در بخش آنلاین، MLCopilot یک دستور ویژه، از جمله نمونههای مرتبط از آزمایشهای قبلی را برای تصمیمگیری درباره بهترین رویکرد برای حل یک کار خاص اعمال میکند. مشخص شده است که چنین تصمیماتی دقیق تر از تصمیماتی هستند که توسط افرادی که به صورت دستی الگوریتم های آزمایش شده و واقعی را انتخاب و به کار می برند، اتخاذ می کنند.
MLCopilot علاوه بر تصمیم گیری دقیق تر، مزایای ملموسی مانند سرعت اجرا و کاهش هزینه های نیروی کار را ارائه می دهد. از سوی دیگر، برخی از اشکالات را باید در نظر داشت، به عنوان مثال، نیاز به داده های با دقت بالا برای تشکیل پایگاه دانش و نیاز به به روز نگه داشتن مدل با آزمایش های جدید.
جالب اینجاست که تخمینهای آزمایشهای تاریخ به تخمینهای نسبی بدون اعداد ترجمه شدهاند: «خیلی کم»، «کم»، «متوسط»، «زیاد» و «بسیار زیاد». بر این اساس، مدل می تواند تعیین کند که چه چیزی کار می کند و چه چیزی نیست.
به طور کلی، MLCopilot این پتانسیل را دارد که روش حل وظایف یادگیری ماشین را بهبود بخشد. با انتخاب خودکار پارامترها و معماری مناسب، این امکان را به ما می دهد تا از قدرت مدل های یادگیری ماشین برای صرفه جویی در زمان و هزینه و در عین حال بهبود دقت استفاده کنیم. در نهایت، این مزایا به نفع همه خواهد بود: از محققان فردی گرفته تا شرکت های بزرگ یا سازمان های دولتی. این یک جهش بزرگ برای عصر هوش مصنوعی است و مطمئناً با پیشرفتهای هیجانانگیزتری همراه خواهد بود.
این مقاله با یک یادداشت ترسناک برای برخی و یک یادداشت انگیزشی برای برخی دیگر به پایان می رسد: "ما امیدواریم که طراحی روش ما بتواند الهام بخش جامعه گسترده تر باشد و به پیشرفت LLM ها به سمت هدف دستیابی به هوش عمومی مصنوعی کمک کند. AGI)
- در ماه مارس 14 ، OpenAI اعلام کرد راه اندازی GPT-4، نسخه ارتقا یافته مدل هوش مصنوعی آن است GPT-3.5. به آستانه درجه بالایی رسیده است و عملکرد بهتری دارد GPT-3.5 در معیارهای مختلف مطالعه.
درباره هوش مصنوعی بیشتر بخوانید:
سلب مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
Damir رهبر تیم، مدیر محصول و سردبیر در است Metaverse Post، موضوعاتی مانند AI/ML، AGI، LLMs، Metaverse و Web3- زمینه های مرتبط مقالات او هر ماه مخاطبان زیادی از بیش از یک میلیون کاربر را جذب می کند. به نظر می رسد او یک متخصص با 10 سال تجربه در سئو و بازاریابی دیجیتال است. دمیر در Mashable, Wired, ذکر شده است. Cointelegraph، نیویورکر، Inside.com، Entrepreneur، BeInCrypto، و انتشارات دیگر. او بین امارات متحده عربی، ترکیه، روسیه و کشورهای مستقل مشترک المنافع به عنوان یک عشایر دیجیتال سفر می کند. دمیر مدرک لیسانس خود را در فیزیک گرفت که به اعتقاد او مهارت های تفکر انتقادی لازم برای موفقیت در چشم انداز دائماً در حال تغییر اینترنت را به او داده است.
مقالات بیشترDamir رهبر تیم، مدیر محصول و سردبیر در است Metaverse Post، موضوعاتی مانند AI/ML، AGI، LLMs، Metaverse و Web3- زمینه های مرتبط مقالات او هر ماه مخاطبان زیادی از بیش از یک میلیون کاربر را جذب می کند. به نظر می رسد او یک متخصص با 10 سال تجربه در سئو و بازاریابی دیجیتال است. دمیر در Mashable, Wired, ذکر شده است. Cointelegraph، نیویورکر، Inside.com، Entrepreneur، BeInCrypto، و انتشارات دیگر. او بین امارات متحده عربی، ترکیه، روسیه و کشورهای مستقل مشترک المنافع به عنوان یک عشایر دیجیتال سفر می کند. دمیر مدرک لیسانس خود را در فیزیک گرفت که به اعتقاد او مهارت های تفکر انتقادی لازم برای موفقیت در چشم انداز دائماً در حال تغییر اینترنت را به او داده است.