MLCopilot: Manfaatkan Kuasa LLM untuk Membantu Pembangun dalam Tugasan ML Mereka
Secara ringkas
MLCopilot ialah cara baharu menggunakan model pembelajaran mesin untuk menyelesaikan tugas yang mencabar, mengautomasikan proses memilih parameter dan seni bina.
Ia beroperasi pada dua peringkat, luar talian dan dalam talian, mengekstrak pengetahuan daripada beratus-ratus eksperimen pembelajaran mesin dan menggunakan promtp khas untuk menghasilkan keputusan.
Ia memberikan faedah ketara seperti kepantasan pelaksanaan dan pengurangan kos buruh.
Model pembelajaran mesin telah digunakan untuk menyelesaikan pelbagai tugas; namun, melatih mereka kebanyakannya merupakan proses manual. Cabarannya adalah untuk memilih parameter dan seni bina yang betul untuk mendapatkan hasil yang terbaik kerana prosesnya memerlukan pengetahuan dan pengalaman yang banyak. Dengan kemunculan teknologi canggih dan model bahasa besar (LLM), seperti GPT-3.5, proses ini kini boleh diautomatikkan. Ini membuka cara baharu untuk menggunakan kuasa model pembelajaran mesin dalam menyelesaikan tugas yang mencabar: MLCopilot.
| Baca lebih lanjut: 8 Perkara Yang Anda Perlu Tahu Mengenai Model Bahasa Besar |
MLCopilot beroperasi pada dua peringkat. Di luar talian, entiti seperti niat dan seni bina model disatukan, dengan pengetahuan yang diekstrak daripada beratus-ratus eksperimen pembelajaran mesin. Data ini membentuk pangkalan pengetahuan di mana MLCopilot berfungsi. Di sisi dalam talian, MLCopilot menggunakan gesaan khas, termasuk contoh yang berkaitan daripada eksperimen terdahulu, untuk menjana keputusan tentang pendekatan terbaik untuk menyelesaikan tugas tertentu. Keputusan sedemikian didapati lebih tepat daripada yang dibuat oleh orang yang memilih dan menggunakan algoritma yang dicuba dan benar secara manual.
Di samping membuat keputusan yang lebih tepat, MLCopilot menyediakan faedah ketara seperti kepantasan pelaksanaan dan pengurangan kos buruh. Sebaliknya, beberapa kelemahan mesti diingat, contohnya, keperluan untuk data ketepatan tinggi untuk membentuk pangkalan pengetahuan dan keperluan untuk memastikan model dikemas kini dengan eksperimen baharu.
Menariknya, anggaran eksperimen daripada sejarah telah diterjemahkan kepada yang relatif tanpa nombor: "sangat rendah," "rendah," "sederhana," "tinggi" dan "sangat tinggi." Berdasarkan ini, model boleh menentukan apa yang berfungsi dan apa yang tidak.
Secara keseluruhannya, MLCopilot mempunyai potensi untuk menambah baik cara tugasan pembelajaran mesin diselesaikan. Dengan memilih parameter dan seni bina yang betul secara automatik, ia membolehkan kami memanfaatkan kuasa model pembelajaran mesin untuk menjimatkan masa dan kos sambil meningkatkan ketepatan. Akhirnya, faedah ini akan memberi manfaat kepada semua orang: daripada penyelidik individu kepada syarikat besar atau organisasi negeri. Ini adalah satu lonjakan besar untuk era AI dan pastinya akan diikuti dengan perkembangan yang lebih menarik.
Artikel itu berakhir dengan nota yang menakutkan bagi sesetengah orang dan nota motivasi untuk yang lain: "Kami berharap reka bentuk kaedah kami dapat menjadi inspirasi kepada komuniti yang lebih luas dan menyumbang kepada kemajuan LLM ke arah matlamat mencapai kecerdasan am buatan ( AGI).
- Pada Mac 14, OpenAI mengumumkan pelancaran GPT-4, versi dinaik taraf bagi model kecerdasan buatannya GPT-3.5. Ia telah mencapai ambang gred tinggi, mengatasi prestasi GPT-3.5 tentang pelbagai tanda aras kajian.
Baca lebih lanjut mengenai AI:
Penafian
Selaras dengan Garis panduan Projek Amanah, sila ambil perhatian bahawa maklumat yang diberikan pada halaman ini tidak bertujuan untuk menjadi dan tidak seharusnya ditafsirkan sebagai nasihat undang-undang, cukai, pelaburan, kewangan atau sebarang bentuk nasihat lain. Adalah penting untuk hanya melabur apa yang anda mampu kehilangan dan mendapatkan nasihat kewangan bebas jika anda mempunyai sebarang keraguan. Untuk maklumat lanjut, kami mencadangkan merujuk kepada terma dan syarat serta halaman bantuan dan sokongan yang disediakan oleh pengeluar atau pengiklan. MetaversePost komited kepada laporan yang tepat dan tidak berat sebelah, tetapi keadaan pasaran tertakluk kepada perubahan tanpa notis.
Tentang Pengarang
Damir ialah ketua pasukan, pengurus produk dan editor di Metaverse Post, meliputi topik seperti AI/ML, AGI, LLM, Metaverse dan Web3-bidang berkaitan. Artikelnya menarik khalayak besar lebih sejuta pengguna setiap bulan. Dia nampaknya seorang pakar dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebut dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto dan penerbitan lain. Dia mengembara antara UAE, Turki, Rusia dan CIS sebagai nomad digital. Damir memperoleh ijazah sarjana muda dalam fizik, yang dia percaya telah memberikannya kemahiran berfikir kritis yang diperlukan untuk berjaya dalam landskap internet yang sentiasa berubah.
lebih banyak artikel
Damir ialah ketua pasukan, pengurus produk dan editor di Metaverse Post, meliputi topik seperti AI/ML, AGI, LLM, Metaverse dan Web3-bidang berkaitan. Artikelnya menarik khalayak besar lebih sejuta pengguna setiap bulan. Dia nampaknya seorang pakar dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebut dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto dan penerbitan lain. Dia mengembara antara UAE, Turki, Rusia dan CIS sebagai nomad digital. Damir memperoleh ijazah sarjana muda dalam fizik, yang dia percaya telah memberikannya kemahiran berfikir kritis yang diperlukan untuk berjaya dalam landskap internet yang sentiasa berubah.
