MLCopilot: Memanfaatkan Kekuatan LLM untuk Membantu Pengembang dalam Tugas ML mereka
Singkatnya
MLCopilot adalah cara baru menggunakan model pembelajaran mesin untuk menyelesaikan tugas yang menantang, mengotomatiskan proses pemilihan parameter dan arsitektur.
Ini beroperasi pada dua level, offline dan online, mengekstraksi pengetahuan dari ratusan eksperimen pembelajaran mesin dan menerapkan promtp khusus untuk menghasilkan keputusan.
Ini memberikan manfaat nyata seperti kecepatan eksekusi dan pengurangan biaya tenaga kerja.
Model pembelajaran mesin telah digunakan untuk menyelesaikan berbagai tugas; namun, pelatihan mereka sebagian besar merupakan proses manual. Tantangannya adalah memilih parameter dan arsitektur yang tepat untuk mendapatkan hasil terbaik karena prosesnya memerlukan banyak pengetahuan dan pengalaman. Dengan munculnya teknologi canggih dan model bahasa besar (LLM), seperti GPT-3.5, proses ini sekarang dapat diotomatisasi. Hal ini membuka cara baru dalam menggunakan kekuatan model pembelajaran mesin dalam menyelesaikan tugas-tugas menantang: MLCopilot.
Baca lebih lanjut: 8 Hal Yang Harus Anda Ketahui Tentang Model Bahasa Besar |
MLCopilot beroperasi pada dua tingkat. Di sisi offline, entitas seperti arsitektur intent dan model disatukan, dengan pengetahuan yang diambil dari ratusan eksperimen pembelajaran mesin. Data ini membentuk basis pengetahuan tempat MLCopilot bekerja. Di sisi online, MLCopilot menerapkan perintah khusus, termasuk contoh relevan dari eksperimen sebelumnya, untuk membuat keputusan tentang pendekatan terbaik untuk menyelesaikan tugas tertentu. Keputusan seperti itu ternyata lebih akurat daripada yang dibuat oleh orang yang secara manual memilih dan menerapkan algoritme yang telah dicoba dan benar.
Selain membuat keputusan yang lebih akurat, MLCopilot memberikan manfaat nyata seperti kecepatan eksekusi dan pengurangan biaya tenaga kerja. Di sisi lain, beberapa kekurangan harus diingat, misalnya, kebutuhan akan data dengan akurasi tinggi untuk membentuk basis pengetahuan dan kebutuhan untuk menjaga agar model tetap up-to-date dengan eksperimen baru.
Menariknya, perkiraan eksperimen dari sejarah diterjemahkan menjadi perkiraan relatif tanpa angka: "sangat rendah", "rendah", "sedang", "tinggi", dan "sangat tinggi". Berdasarkan hal ini, model dapat menentukan mana yang berhasil dan mana yang tidak.
Secara keseluruhan, MLCopilot memiliki potensi untuk meningkatkan cara penyelesaian tugas pembelajaran mesin. Dengan memilih parameter dan arsitektur yang tepat secara otomatis, kami dapat memanfaatkan kekuatan model pembelajaran mesin untuk menghemat waktu dan biaya sekaligus meningkatkan akurasi. Pada akhirnya, manfaat ini akan menguntungkan semua orang: mulai dari peneliti perorangan hingga perusahaan besar atau organisasi negara. Ini adalah lompatan besar untuk era AI dan pasti akan diikuti oleh perkembangan yang lebih menarik.
Artikel diakhiri dengan catatan yang menakutkan bagi sebagian orang dan catatan yang memotivasi bagi yang lain: “Kami berharap desain metode kami dapat menjadi inspirasi bagi masyarakat luas dan berkontribusi pada kemajuan LLM menuju tujuan pencapaian kecerdasan umum buatan ( AGI).”
- Pada bulan Maret 14, OpenAI mengumumkan peluncuran GPT-4, versi yang ditingkatkan dari model kecerdasan buatannya GPT-3.5. Ini telah mencapai ambang batas tingkat tinggi, kinerjanya lebih baik GPT-3,5 pada berbagai tolok ukur studi.
Baca lebih lanjut tentang AI:
Penolakan tanggung jawab
Sejalan dengan Percayai pedoman Proyek, harap dicatat bahwa informasi yang diberikan pada halaman ini tidak dimaksudkan untuk dan tidak boleh ditafsirkan sebagai nasihat hukum, pajak, investasi, keuangan, atau bentuk nasihat lainnya. Penting untuk hanya menginvestasikan jumlah yang mampu Anda tanggung kerugiannya dan mencari nasihat keuangan independen jika Anda ragu. Untuk informasi lebih lanjut, kami menyarankan untuk merujuk pada syarat dan ketentuan serta halaman bantuan dan dukungan yang disediakan oleh penerbit atau pengiklan. MetaversePost berkomitmen terhadap pelaporan yang akurat dan tidak memihak, namun kondisi pasar dapat berubah tanpa pemberitahuan.
Tentang Penulis
Damir adalah pemimpin tim, manajer produk, dan editor di Metaverse Post, mencakup topik seperti AI/ML, AGI, LLM, Metaverse, dan Web3-bidang terkait. Artikelnya menarik lebih dari satu juta pengguna setiap bulan. Dia tampaknya ahli dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebutkan dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, dan publikasi lainnya. Dia melakukan perjalanan antara UEA, Turki, Rusia, dan CIS sebagai pengembara digital. Damir memperoleh gelar sarjana dalam bidang fisika, yang menurutnya telah memberinya keterampilan berpikir kritis yang diperlukan untuk berhasil dalam lanskap internet yang selalu berubah.
lebih artikelDamir adalah pemimpin tim, manajer produk, dan editor di Metaverse Post, mencakup topik seperti AI/ML, AGI, LLM, Metaverse, dan Web3-bidang terkait. Artikelnya menarik lebih dari satu juta pengguna setiap bulan. Dia tampaknya ahli dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebutkan dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, dan publikasi lainnya. Dia melakukan perjalanan antara UEA, Turki, Rusia, dan CIS sebagai pengembara digital. Damir memperoleh gelar sarjana dalam bidang fisika, yang menurutnya telah memberinya keterampilan berpikir kritis yang diperlukan untuk berhasil dalam lanskap internet yang selalu berubah.