МЛЦопилот: Искористите моћ ЛЛМ-а да помогнете програмерима у њиховим задацима МЛ-а
Укратко
МЛЦопилот је нови начин коришћења модела машинског учења за решавање изазовних задатака, аутоматизујући процес одабира параметара и архитектуре.
Ради на два нивоа, ван мреже и на мрежи, извлачећи знање из стотина експеримената машинског учења и примењујући посебан промтп за генерисање одлуке.
Пружа опипљиве предности као што су брзина извршења и смањење трошкова рада.
Модели машинског учења су коришћени за решавање различитих задатака; међутим, њихова обука је углавном био ручни процес. Изазов је био одабрати праве параметре и архитектуру како би се постигли најбољи резултати јер процес захтева значајно знање и искуство. Појавом напредних технологија и великих језичких модела (ЛЛМ), као нпр GPT-3.5, овај процес се сада може аутоматизовати. Ово отвара нови начин коришћења снаге модела машинског учења у решавању изазовних задатака: МЛЦопилот.
МЛЦопилот функционише на два нивоа. На страни ван мреже, ентитети као што су намера и архитектура модела су уједињени, са знањем извученим из стотина експеримената машинског учења. Ови подаци чине базу знања на којој ради МЛЦопилот. На онлајн страни, МЛЦопилот примењује посебан упит, укључујући релевантне примере из претходних експеримената, како би донео одлуку о најбољем приступу решавању одређеног задатка. Утврђено је да су такве одлуке тачније од оних које доносе људи који ручно бирају и примењују испробане алгоритме.
Поред доношења прецизнијих одлука, МЛЦопилот пружа опипљиве предности као што су брзина извршења и смањење трошкова рада. С друге стране, морају се имати на уму неки недостаци, на пример, потреба за подацима високе прецизности како би се формирала база знања и потреба да се модел одржи ажурним са новим експериментима.
Занимљиво је да су процене експеримената из историје преведене у релативне без бројева: „веома ниско“, „ниско“, „средње“, „високо“ и „веома високо“. На основу овога, модел би могао да одреди шта ради, а шта не.
Све у свему, МЛЦопилот има потенцијал да побољша начин на који се решавају задаци машинског учења. Аутоматским одабиром правих параметара и архитектуре, омогућава нам да искористимо снагу модела машинског учења како бисмо уштедели време и трошкове уз истовремено побољшање тачности. На крају крајева, ове погодности ће користити свима: од појединачних истраживача до великих корпорација или државних организација. Ово је огроман корак напред за ери вештачке интелигенције и сигурно ће га пратити узбудљивији развој догађаја.
Чланак се завршава застрашујућом нотом за неке и мотивишућом белешком за друге: „Надамо се да дизајн нашег метода може послужити као инспирација широј заједници и допринети напретку ЛЛМ-а ка циљу постизања вештачке опште интелигенције ( АГИ).“
- 14. марта OpenAI најавила покретање GPT-4, надограђену верзију свог модела вештачке интелигенције GPT-3.5. Постигао је праг високог квалитета, надмашујући GPT-3.5 на различитим референтним вредностима студија.
Прочитајте више о АИ:
Одрицање од одговорности
У складу са Смернице пројекта Труст, имајте на уму да информације дате на овој страници нису намењене и не треба да се тумаче као правни, порески, инвестициони, финансијски или било који други облик савета. Важно је да инвестирате само оно што можете приуштити да изгубите и да тражите независан финансијски савет ако сумњате. За додатне информације, предлажемо да погледате одредбе и услове, као и странице помоћи и подршке које пружа издавач или оглашивач. MetaversePost је посвећен тачном, непристрасном извештавању, али тржишни услови су подложни променама без претходне најаве.
О аутору
Дамир је вођа тима, менаџер производа и уредник у Metaverse Post, покривајући теме као што су АИ/МЛ, АГИ, ЛЛМ, Метаверсе и Web3-сродна поља. Његови чланци привлаче огромну публику од преко милион корисника сваког месеца. Чини се да је стручњак са 10 година искуства у СЕО и дигиталном маркетингу. Дамир се помиње у Масхабле, Виред, Cointelegraph, Тхе Нев Иоркер, Инсиде.цом, Ентрепренеур, БеИнЦрипто и друге публикације. Путује између УАЕ, Турске, Русије и ЗНД као дигитални номад. Дамир је стекао диплому физике, за коју верује да му је дало вештине критичког размишљања које су му потребне да буде успешан у свету интернета који се стално мења.
više чланакаДамир је вођа тима, менаџер производа и уредник у Metaverse Post, покривајући теме као што су АИ/МЛ, АГИ, ЛЛМ, Метаверсе и Web3-сродна поља. Његови чланци привлаче огромну публику од преко милион корисника сваког месеца. Чини се да је стручњак са 10 година искуства у СЕО и дигиталном маркетингу. Дамир се помиње у Масхабле, Виред, Cointelegraph, Тхе Нев Иоркер, Инсиде.цом, Ентрепренеур, БеИнЦрипто и друге публикације. Путује између УАЕ, Турске, Русије и ЗНД као дигитални номад. Дамир је стекао диплому физике, за коју верује да му је дало вештине критичког размишљања које су му потребне да буде успешан у свету интернета који се стално мења.