Firmaet OpenAl, har netop udgivet en ChatGPT version i open source. Denne version præsenterer sig selv som en generisk art, der er i stand til at udføre alle de funktioner, som den originale tekstgenerator udfører. Den frigivne version kræver dog træning, hvilket ikke er overkommeligt for de fleste.
ChatGPT-tekstgeneratoren
se mere
Advarsel: DENNE giftige plante landede en ung mand på hospitalet
Google udvikler AI-værktøj til at hjælpe journalister i...
ChatGPT er intet andet end et chatbot-værktøj, som gennem kunstig intelligens har specialiseret sig i dialoger. Værktøjet er skabt af Philip Wang og har tilpasset sproget, med foreningen af teknikmodellen af overvåget og forstærkende læring med menneskelig feedback (RLHF) og den model, der bruges af Google, Håndflade.
Værktøjet havde en open source-version udgivet i slutningen af 2022. Versionen er en generisk art, og derfor kan den også udføre funktionerne i ChatGPT officielle såsom e-mail-kladder, forslag til computerkoder og tekster akademikere.
Den frigivne version af ChatGPT
Når man kombinerer to teknikker, RLHF og PaLM, har modellen brug for træning, som desværre ikke kommer i den generiske version. Derfor skal hver person, der overholder denne åbne kode, træne den kunstige intelligens på deres egen computer.
Det store problem er, at til det er det nødvendigt med en meget kraftig Hardware, trods alt at træne en kunstig intelligens og alligevel er det ikke for alle at behandle de anmodninger, der kommer.
Hvordan træner man denne kunstige intelligens?
Skabelonen er en næsten lige version af ChatGPT, som er et ordværktøj, og som sådan skal være det præsenteret med en lang række eksempler, såsom opslag på sociale netværk, offentliggjorte nyheder og e-bøger fra alle typer.
Derudover tilbyder den anvendte teknik i systemet, RLHF, et stort antal svar for hver menneskelig prompt, hvilket betyder, at mennesker er essentielle i processen med at klassificere svarene i en slags rangordning, så systemet lærer den bedste måde at At svare.
Alt dette ender med at blive meget dyrt, og derfor kan ikke alle have det. En virksomhed beregnede, at træning af en model med 1,5 milliarder parametre koster op til 1,6 millioner dollars. Og for at skabe et virkelig godt system, skal der meget mere til end det, Googles PaLM-model brugte for eksempel omkring 540 milliarder parametre.
