Bendrovė „OpenAl“ ką tik išleido a ChatGPT versija atvirame kode. Ši versija pristatoma kaip bendroji rūšis, galinti atlikti visas funkcijas, kurias atlieka originalus teksto generatorius. Tačiau išleistai versijai reikalingas mokymas, kuris daugeliui žmonių neįperkamas.
„ChatGPT“ teksto generatorius
Žiūrėti daugiau
Įspėjimas: ŠIS nuodingas augalas jaunuolį paguldė į ligoninę
„Google“ kuria AI įrankį, padedantį žurnalistams…
„ChatGPT“ yra ne kas kita, kaip pokalbių roboto įrankis, kuris, pasitelkęs dirbtinį intelektą, specializuojasi dialoguose. Įrankį sukūrė Philipas Wangas ir pakoregavo kalbą su technikos modelio sąjunga prižiūrimas ir sustiprintas mokymasis naudojant žmogaus grįžtamąjį ryšį (RLHF) ir „Google“ naudojamą modelį, PaLM.
Įrankis turėjo atvirojo kodo versiją, išleistą 2022 m. pabaigoje. Versija yra bendroji rūšis, todėl ji taip pat gali atlikti ChatGPT funkcijas el. laiškų juodraščiai, kompiuterinio kodo pasiūlymai ir tekstai akademikai.
Išleista ChatGPT versija
Derinant dvi technikas, RLHF ir PaLM, modeliui reikia treniruočių, kurių, deja, nėra bendrojoje versijoje. Todėl kiekvienas žmogus, besilaikantis šio atvirojo kodo, dirbtinį intelektą turės lavinti savo kompiuteryje.
Didelė problema yra ta, kad tam reikalinga labai galinga Aparatūra, juk apmokyti a dirbtinis intelektas ir vis dėlto, tvarkyti prašymus, kurie ateis, tinka ne visiems.
Kaip lavinti šį dirbtinį intelektą?
Šablonas yra beveik lygiavertė ChatGPT versija, kuri yra žodžių įrankis, todėl toks ir turi būti pateikta daug pavyzdžių, tokių kaip įrašai socialiniuose tinkluose, publikuotos naujienos ir el. tipai.
Be to, sistemoje naudojama technika, RLHF, siūlo daug atsakymų į kiekvieną žmogaus raginimą, o tai reiškia, kad žmonės yra labai svarbūs klasifikuojant atsakymus į tam tikrą reitingą, kad sistema išmoktų geriausią būdą Atsakyti.
Visa tai kainuoja labai brangiai, todėl ne visi gali tai turėti. Viena įmonė apskaičiavo, kad modelio su 1,5 milijardo parametrų mokymas kainuoja iki 1,6 milijono dolerių. O norint sukurti tikrai gerą sistemą, reikia kur kas daugiau, pavyzdžiui, Google PaLM modelis naudojo apie 540 milijardų parametrų.
