MLCopilot: використовуйте потужність магістерських програм, щоб допомогти розробникам у виконанні завдань ML
Коротко
MLCopilot — це новий спосіб використання моделей машинного навчання для вирішення складних завдань, автоматизуючи процес вибору параметрів і архітектур.
Він працює на двох рівнях, офлайн і онлайн, витягуючи знання з сотень експериментів машинного навчання та застосовуючи спеціальну підказку для прийняття рішення.
Це забезпечує відчутні переваги, такі як швидкість виконання та зниження трудовитрат.
Моделі машинного навчання використовувалися для вирішення різноманітних завдань; однак навчання їх було здебільшого ручним процесом. Завдання полягало в тому, щоб вибрати правильні параметри та архітектури для отримання найкращих результатів, оскільки процес вимагає значних ноу-хау та досвіду. З появою передових технологій і великих мовних моделей (LLM), таких як GPT-3.5, тепер цей процес можна автоматизувати. Це відкриває новий спосіб використання можливостей моделей машинного навчання для вирішення складних завдань: MLCopilot.
MLCopilot працює на двох рівнях. В автономному режимі такі сутності, як намір і архітектура моделі, уніфіковані зі знаннями, отриманими з сотень експериментів машинного навчання. Ці дані формують базу знань, на основі якої працює MLCopilot. На стороні онлайн MLCopilot застосовує спеціальну підказку, включаючи відповідні приклади з попередніх експериментів, щоб створити рішення щодо найкращого підходу до вирішення певного завдання. Такі рішення виявилися більш точними, ніж ті, що приймаються людьми, які вручну вибирають і застосовують перевірені алгоритми.
Окрім прийняття більш точних рішень, MLCopilot забезпечує відчутні переваги, такі як швидкість виконання та скорочення витрат на оплату праці. З іншого боку, слід пам’ятати про деякі недоліки, наприклад, потреба у високоточних даних для формування бази знань і необхідність підтримувати модель в актуальному стані з новими експериментами.
Цікаво, що оцінки експериментів з історії були переведені у відносні без цифр: «дуже низька», «низька», «середня», «висока» і «дуже висока». На основі цього модель могла визначити, що працює, а що ні.
Загалом MLCopilot має потенціал для покращення способів вирішення завдань машинного навчання. Завдяки автоматичному вибору правильних параметрів і архітектури це дозволяє нам використовувати потужність моделей машинного навчання, щоб заощадити час і витрати, одночасно підвищуючи точність. Зрештою, ці переваги отримають усі: від окремих дослідників до великих корпорацій чи державних організацій. Це величезний крок вперед для епохи штучного інтелекту, і, безсумнівно, послідують ще більш захоплюючі події.
Стаття закінчується лякаючою ноткою для одних і спонукальною для інших: «Ми сподіваємося, що дизайн нашого методу може послужити натхненням для ширшої спільноти та сприяти просуванню магістратури права на шляху до мети досягнення загального штучного інтелекту ( AGI).»
- На березні 14, OpenAI оголошений запуск GPT-4, оновлену версію своєї моделі штучного інтелекту GPT-3.5. Він досяг порогу високого рівня, випереджаючи GPT-3.5 на різних контрольних показниках дослідження.
Докладніше про ШІ:
відмова
Відповідно до Правила проекту Trust, будь ласка, зверніть увагу, що інформація, надана на цій сторінці, не призначена і не повинна тлумачитися як юридична, податкова, інвестиційна, фінансова або будь-яка інша форма консультації. Важливо інвестувати лише те, що ви можете дозволити собі втратити, і звернутися за незалежною фінансовою порадою, якщо у вас виникнуть сумніви. Щоб отримати додаткову інформацію, ми пропонуємо звернутися до положень та умов, а також до сторінок довідки та підтримки, наданих емітентом або рекламодавцем. MetaversePost прагне до точного, неупередженого звітування, але ринкові умови можуть змінюватися без попередження.
про автора
Дамір є керівником групи, менеджером із продуктів і редактором Metaverse Post, що охоплює такі теми, як AI/ML, AGI, LLMs, Metaverse тощо Web3- суміжні поля. Його статті щомісяця приваблюють величезну аудиторію понад мільйон користувачів. Здається, він є експертом із 10-річним досвідом роботи в SEO та цифровому маркетингу. Даміра згадували в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto та інші видання. Він подорожує між ОАЕ, Туреччиною, Росією та СНД як цифровий кочівник. Дамір отримав ступінь бакалавра з фізики, що, на його думку, дало йому навички критичного мислення, необхідні для досягнення успіху в Інтернеті, який постійно змінюється.
інші статтіДамір є керівником групи, менеджером із продуктів і редактором Metaverse Post, що охоплює такі теми, як AI/ML, AGI, LLMs, Metaverse тощо Web3- суміжні поля. Його статті щомісяця приваблюють величезну аудиторію понад мільйон користувачів. Здається, він є експертом із 10-річним досвідом роботи в SEO та цифровому маркетингу. Даміра згадували в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto та інші видання. Він подорожує між ОАЕ, Туреччиною, Росією та СНД як цифровий кочівник. Дамір отримав ступінь бакалавра з фізики, що, на його думку, дало йому навички критичного мислення, необхідні для досягнення успіху в Інтернеті, який постійно змінюється.