Тепер OpenAI дозволяє налаштувати систему генерації тексту GPT-3

OpenAI, лабораторія в Сан-Франциско, Каліфорнія, яка розробляє технології штучного інтелекту, які включають великі мовні моделі, оголосила про можливість створення користувацьких версій GPT-3, модель, здатна генерувати код людського типу з тексту та мовлення.

З нею відтепер розробники можуть використовувати тонке налаштування для створення моделей GPT-3 адаптований до конкретного вмісту ваших програм і послуг, що призводить до більш якісних результатів для всіх завдань і робочих навантажень, залежно від компанії.

Для тих, хто не знайомий з GPT-3, ви повинні знати, що це це авторегресивна мовна модель, яка використовує глибоке навчання створювати тексти, схожі на людину.

Це Модель прогнозування мови серії GPT-n третього покоління, створеної OpenAI, дослідницькою лабораторією штучного інтелекту в Сан-Франциско, що складається з комерційної компанії OpenAI LP та її материнської компанії, некомерційної компанії OpenAI Inc.

З будь-якого текстового повідомлення, наприклад речення, GPT-3 повертає додатковий текст природною мовою.

Розробники Вони можуть «запрограмувати» GPT-3, показавши вам лише кілька прикладів або «підказок».

«Ми розробили API таким чином, щоб він був простим у використанні та достатньо гнучким, щоб зробити команди машинного навчання більш продуктивними», — сказав OpenAI наприкінці березня.

На даний момент подано понад 300 заявок використовують GPT-3 в різних категоріях і галузях, від продуктивності та освіти навіть творчість та ігри.

La нову переробну потужність у налаштуваннях GPT-3 дозволяє клієнтам навчати GPT-3 розпізнавати певний шаблон для робочих навантажень таких як генерація змісту, класифікація та синтез тексту в межах певної області.

Життєздатний постачальник використовує GPT-3, щоб допомогти компаніям використовувати відгуки клієнтів. Використовуючи неструктуровані дані, система може створювати звіти, які підсумовують відгуки та взаємодії клієнтів. Налаштувавши GPT-3, Viable змогла б підвищити точність своїх звітів з 66% до 90%.

Те саме стосується Keeper Tax, інструменту, який спрощує облік самозайнятості, автоматично класифікуючи та витягуючи дані корисного навантаження для податкових звітів з банківського чи платіжного рахунку. Keeper Tax використовує GPT-3 для інтерпретації даних банківської виписки, щоб знайти витрати, які потенційно не підлягають оподаткуванню. Компанія продовжує вдосконалювати GPT-3 за допомогою нових даних щотижня на основі реальної продуктивності свого продукту, зосереджуючись на прикладах, коли модель впала нижче певного порогу продуктивності.

L розробники щотижня додають близько 500 нових зразків уточнювати модель. Keeper Tax каже, що процес налаштування забезпечує покращення на 1% щотижня.

«Одна річ, про яку ми дуже обережні й наполягаємо при розробці цього API, — це зробити його доступним для розробників, які не обов’язково мають досвід машинного навчання», — сказала Рейчел Лім, співробітник технічного персоналу OpenAI. «Виходить, що ви можете налаштувати шаблон GPT-3 за допомогою виклику командного рядка. [Ми сподіваємось], що завдяки його доступності ми зможемо охопити більш різноманітну групу користувачів, які зможуть донести свої найрізноманітніші проблеми до технологій».

Лім стверджує, що можливості доопрацювання GPT-3 також можуть призвести до економії коштів, оскільки клієнти можуть очікувати більшої частоти кращих результатів якості від точно підігнаних моделей порівняно зі стандартною моделлю GPT-3 (OpenAI стягує плату за доступ до API на основі кількість маркерів або слів, які генерують моделі.)

Хоча OpenAI має перевагу над удосконаленими моделями, Лім каже, що більшість удосконалених моделей вимагають коротших підказок з меншою кількістю маркерів, що також може заощадити гроші.

API GPT-3 був загальнодоступним з 2020 року. За рік до його запуску його конструктори вирішили не оприлюднювати роботу з розробки попередньої версії GPT-2, вважаючи, що ця система, легована машинним навчанням, може виявитися бути небезпечним, якщо потрапив до рук зловмисників.


Зміст статті відповідає нашим принципам редакційна етика. Щоб повідомити про помилку, натисніть тут.

Будьте першим, щоб коментувати

Залиште свій коментар

Ваша електронна адреса не буде опублікований.

*

*

  1. Відповідальний за дані: Мігель Анхель Гатон
  2. Призначення даних: Контроль спаму, управління коментарями.
  3. Легітимація: Ваша згода
  4. Передача даних: Дані не передаватимуться третім особам, за винятком юридичних зобов’язань.
  5. Зберігання даних: База даних, розміщена в мережі Occentus Networks (ЄС)
  6. Права: Ви можете будь-коли обмежити, відновити та видалити свою інформацію.

bool(true)