MLCopilot: Hyödynnä LLM:ien voimaa auttamaan kehittäjiä heidän ML-tehtävissä
Lyhyesti
MLCopilot on uusi tapa käyttää koneoppimismalleja haastavien tehtävien ratkaisemiseen, automatisoimalla parametrien ja arkkitehtuurien valintaprosessia.
Se toimii kahdella tasolla, offline-tilassa ja online-tilassa, poimimalla tietoa sadoista koneoppimiskokeista ja käyttämällä erityistä kehotetta päätöksen tekemiseen.
Se tarjoaa konkreettisia etuja, kuten toteutusnopeutta ja työvoimakustannusten alenemista.
Koneoppimismalleja on käytetty erilaisten tehtävien ratkaisemiseen; Niiden kouluttaminen on kuitenkin ollut enimmäkseen manuaalista prosessia. Haasteena oli valita oikeat parametrit ja arkkitehtuurit parhaiden tulosten saavuttamiseksi, koska prosessi vaatii huomattavaa osaamista ja kokemusta. Kehittyneiden teknologioiden ja suurten kielimallien (LLM), kuten esim GPT-3.5, tämä prosessi voidaan nyt automatisoida. Tämä avaa uuden tavan käyttää koneoppimismallien voimaa haastavien tehtävien ratkaisemisessa: MLCopilot.
MLCopilot toimii kahdella tasolla. Offline-puolella entiteetit, kuten tarkoitus ja malliarkkitehtuuri, ovat yhtenäisiä, ja tieto on saatu sadoista koneoppimiskokeista. Nämä tiedot muodostavat tietopohjan, jolla MLCopilot toimii. Online-puolella MLCopilot käyttää erityistä kehotetta, joka sisältää relevantteja esimerkkejä aikaisemmista kokeiluista, luodakseen päätöksen parhaan lähestymistavan suhteen tietyn tehtävän ratkaisemiseksi. Tällaisten päätösten on todettu olevan tarkempia kuin ihmisten tekemät, jotka valitsevat ja käyttävät hyväksi havaittuja algoritmeja.
Tarkempien päätösten tekemisen lisäksi MLCopilot tarjoaa konkreettisia etuja, kuten suoritusnopeuden ja työvoimakustannusten pienenemisen. Toisaalta joitain haittoja on pidettävä mielessä, esimerkiksi tarve korkean tarkkuuden tiedoille tietopohjan muodostamiseksi ja tarve pitää malli ajan tasalla uusissa kokeissa.
Mielenkiintoista on, että historian kokeiden arviot käännettiin suhteellisiksi ilman numeroita: "erittäin alhainen", "matala", "keskikokoinen", "korkea" ja "erittäin korkea". Tämän perusteella malli voisi määrittää, mikä toimii ja mikä ei.
Kaiken kaikkiaan MLCopilotilla on potentiaalia parantaa tapaa, jolla koneoppimistehtävät ratkaistaan. Valitsemalla automaattisesti oikeat parametrit ja arkkitehtuuri, sen avulla voimme hyödyntää koneoppimismallien tehoa säästääksemme aikaa ja kustannuksia ja parantaaksemme tarkkuutta. Loppujen lopuksi nämä edut hyödyttävät kaikkia: yksittäisistä tutkijoista suuriin yrityksiin tai valtion organisaatioihin. Tämä on valtava harppaus tekoälyn aikakaudella, ja sitä seuraa varmasti jännittävämpi kehitys.
Artikkeli päättyy joillekin pelottavaan ja toisille motivoivaan huomautukseen: "Toivomme, että menetelmämme suunnittelu voi toimia inspiraationa laajemmalle yhteisölle ja edistää LLM:ien etenemistä kohti tavoitetta yleisen tekoälyn saavuttamiseksi ( AGI).
- Maaliskuussa 14, OpenAI ilmoitti - käynnistäminen GPT-4, sen tekoälymallin päivitetty versio GPT-3.5. Se on saavuttanut korkean kynnyksen, joka on parempi GPT-3.5 erilaisissa opintojen vertailuarvoissa.
Lue lisää tekoälystä:
Vastuun kieltäminen
Mukaisesti Luottamusprojektin ohjeetHuomaa, että tällä sivulla annettuja tietoja ei ole tarkoitettu eikä niitä tule tulkita oikeudellisiksi, verotukselliseksi, sijoitus-, rahoitus- tai minkään muun muodon neuvoiksi. On tärkeää sijoittaa vain sen verran, mitä sinulla on varaa menettää, ja pyytää riippumatonta talousneuvontaa, jos sinulla on epäilyksiä. Lisätietoja saat käyttöehdoista sekä myöntäjän tai mainostajan tarjoamista ohje- ja tukisivuista. MetaversePost on sitoutunut tarkkaan, puolueettomaan raportointiin, mutta markkinaolosuhteet voivat muuttua ilman erillistä ilmoitusta.
Author
Damir on tiimin johtaja, tuotepäällikkö ja toimittaja osoitteessa Metaverse Post, kattaa aiheita, kuten AI/ML, AGI, LLMs, Metaverse ja Web3- liittyvät kentät. Hänen artikkelinsa houkuttelevat yli miljoonan käyttäjän massiivisen yleisön joka kuukausi. Hän näyttää olevan asiantuntija, jolla on 10 vuoden kokemus hakukoneoptimoinnista ja digitaalisesta markkinoinnista. Damir on mainittu Mashablessa, Wiredissä, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ja muut julkaisut. Hän matkustaa Arabiemiirikuntien, Turkin, Venäjän ja IVY-maiden välillä digitaalisena nomadina. Damir suoritti kandidaatin tutkinnon fysiikasta, jonka hän uskoo antaneen hänelle kriittisen ajattelun taidot menestyäkseen jatkuvasti muuttuvassa internetin maisemassa.
lisää artikkeleitaDamir on tiimin johtaja, tuotepäällikkö ja toimittaja osoitteessa Metaverse Post, kattaa aiheita, kuten AI/ML, AGI, LLMs, Metaverse ja Web3- liittyvät kentät. Hänen artikkelinsa houkuttelevat yli miljoonan käyttäjän massiivisen yleisön joka kuukausi. Hän näyttää olevan asiantuntija, jolla on 10 vuoden kokemus hakukoneoptimoinnista ja digitaalisesta markkinoinnista. Damir on mainittu Mashablessa, Wiredissä, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ja muut julkaisut. Hän matkustaa Arabiemiirikuntien, Turkin, Venäjän ja IVY-maiden välillä digitaalisena nomadina. Damir suoritti kandidaatin tutkinnon fysiikasta, jonka hän uskoo antaneen hänelle kriittisen ajattelun taidot menestyäkseen jatkuvasti muuttuvassa internetin maisemassa.