OpenAI, el laboratori amb seu a San Francisco, Califòrnia que desenvolupa tecnologies d'intel·ligència artificial que inclouen models de llenguatge grans, ha anunciat la capacitat de crear versions personalitzades de GPT-3, un model capaç de generar codi de tipus humà de text i veu.
Amb això a partir d'ara els desenvolupadors poden utilitzar l'ajust fi per crear models GPT-3 adaptats al contingut específic de les seves aplicacions i serveis, cosa que dóna com a resultat resultats de més qualitat per a totes les tasques i càrregues de treball, segons l'empresa.
Per als que desconeixen de GPT-3, han de saber que aquest és un model de llenguatge autoregressiu que utilitza l'aprenentatge profund per produir textos semblants als dels humans.
Aquest és el model de predicció de llenguatge de la sèrie GPT-n de tercera generació creat per OpenAI, un laboratori de recerca d'intel·ligència artificial amb seu a San Francisco compost per l'empresa amb ànim de lucre OpenAI LP i la seva empresa matriu, l'empresa sense ànim de lucre OpenAI Inc.
Des de qualsevol missatge de text, com una frase, GPT-3 torna text complementari en llenguatge natural.
els desenvolupadors poden "programar" GPT-3 mostrant només alguns exemples o "indicacions".
"Dissenyem l'API perquè sigui fàcil d'usar per a tothom i prou flexible per fer que els equips d'aprenentatge automàtic siguin més productius", va dir OpenAI a finals de març.
En aquest moment, més de 300 aplicacions estan usant GPT-3 en diverses categories i indústries, des de productivitat i educació fins i tot creativitat i jocs.
La nova capacitat de refinament a l'ajust de GPT-3 permet als clients capacitar GPT-3 perquè reconegui un patró específic per a càrregues de treball com la generació de contingut, classificació i síntesi de text dins dels límits duna àrea en particular.
El proveïdor Viable utilitza GPT-3 per ajudar les empreses a aprofitar els comentaris dels clients. Utilitzant dades no estructurades, el sistema pot produir informes que resumeixin els comentaris i les interaccions amb els clients. En personalitzar GPT-3, Viable hauria aconseguit augmentar la precisió dels informes del 66% al 90%.
El mateix passa amb Keeper Tax, una eina que simplifica la comptabilitat dels autònoms classificant i extraient automàticament les dades de càrrega útil per als informes d'impostos, des d'un banc o un compte de pagament. Keeper Tax utilitza GPT-3 per interpretar dades d'extractes bancàries per trobar despeses potencialment deduïbles d'impostos. La companyia continua refinant GPT-3 amb noves dades cada setmana en funció del rendiment al món real del seu producte, centrant-se en exemples en què el model ha caigut per sota d'un cert llindar de rendiment.
Els desenvolupadors afegeixen al voltant de 500 nous exemples setmanalment per refinar el model. Keeper Tax diu que el procés de posada a punt produeix una millora de l'1% d'una setmana a una altra.
«Una cosa amb què hem estat molt curosos i insistim en el nostre desenvolupament d'aquesta API és fer-la accessible als desenvolupadors que no tenen experiència en aprenentatge automàtic», va dir Rachel Lim, membre del personal tècnic d'OpenAI. “La manera com es manifesta és que pot personalitzar una plantilla GPT-3 mitjançant una invocació de línia d'ordres. [Esperem] que a causa de la seva accessibilitat, puguem arribar a un conjunt més divers d'usuaris que puguin portar el seu conjunt més divers de problemes a la tecnologia”.
Lim afirma que la capacitat de refinament del GPT-3 també pot generar estalvis de costos, ja que els clients poden comptar amb una freqüència més alta de resultats de millor qualitat a partir de models ajustats amb precisió en comparació amb un model estàndard GPT-3 (OpenAI cobra per l'accés API basat en el nombre de tokens o paraules que generen els models).
Si bé OpenAI té una prima en els models refinats, Lim diu que la majoria dels models refinats requereixen indicacions més curtes amb menys tokens, cosa que també pot estalviar diners.
L'API de GPT-3 està disponible públicament des del 2020. Un any abans del seu llançament, els seus dissenyadors havien decidit no fer públic el treball de desenvolupament de la versió anterior, GPT-2, considerant que aquest sistema dopat amb machine learning podria convertir-se en resultaria perillós si queia en mans de persones malintencionades.