Achtung: Dieser Artikel ist Personen vorbehalten, die keine Kenntnisse in Daten oder künstlicher Intelligenz haben. Ich mache einige Annäherungen, um die Dinge zu vereinfachen.

Du bist wie jeden Morgen aufgewacht und hast dein Handy gezückt, um auf Twitter zu gehen. Und dann der Tsunami . Tausende Tweets über GPT-3, OpenAI oder ChatGPT. Du gehst wieder schlafen.

Aber wenn Sie wieder aufwachen, fragen Sie sich, warum so viele Leute darüber reden und was GPT-3 ist?

Keine Sorge, ich erkläre dir alles.

Generative KI

Bevor ich zum Kern der Sache komme, muss ich erklären, was generative KI ist.

Generative KI bezieht sich auf eine Klasse von KI-Systemen, die in der Lage sind, neue Daten wie Text, Bilder oder Audio basierend auf einer Reihe von Eingabedaten und einer Reihe von Regeln oder Zielen zu generieren.

Um es einfach zusammenzufassen, geben wir einem Algorithmus eine Reihe von Daten, die er untersucht, um die Regeln und die Funktionsweise zu verstehen, um eine neue Ausgabe zu generieren (z. B. einen Satz oder ein Bild).

Lassen Sie uns über GPT-3 sprechen

GPT-3 ist ein von OpenAI entwickeltes Computerprogramm, das menschenähnlichen Text verstehen und generieren kann. Es kann in vielen verschiedenen Sprachen lesen und schreiben, und es kann sogar Geschichten schreiben oder Fragen beantworten, die ihm gestellt werden. Es ist wie ein wirklich intelligenter Roboter, der wie ein Mensch sprechen und schreiben kann. Aber statt in einem Körper lebt es in einem Computer und kommuniziert über das Internet.

Sie denken wahrscheinlich, dass ich GPT-3 sehr gut zusammengefasst habe, weil ich ein genialer Autor bin, aber Sie würden sich irren. Diese Definition wurde von GPT-3 selbst geschrieben. Aber wie? Lassen Sie uns GPT-3 bitten, uns weitere Details zu geben (ich werde die Ergebnisse vervollständigen)

GPT-3 (kurz für „Generative Pre-trained Transformer 3“) ist ein von OpenAI entwickeltes Sprachverarbeitungssystem für künstliche Intelligenz. Mit 175 Milliarden Parametern ist es eines der größten und leistungsstärksten derzeit verfügbaren Sprachmodelle.

GPT-3 ist das, was wir LLM (Large Language Models) nennen. Sie werden „Large“ genannt, weil sie eine außerordentliche Anzahl von Parametern haben. Es gibt mehrere Arten von großen Sprachmodellen, von denen die beiden bekanntesten die Transformer (GPT-3 oder BERT) und die Reccurent Neural Networks (RNN, wie LSTM oder GRU) sind.

Diese Modelle werden mit riesigen Datenmengen aus allen möglichen Orten trainiert: Artikel, Bücher, Internet usw.

Ein Parameter ist ein Wert, der das Verhalten oder die Ausgabe eines Algorithmus oder Modells bestimmt. Es wird zur Feinabstimmung der Leistung des Algorithmus oder Modells verwendet und kann angepasst werden, um die Ergebnisse für eine bestimmte Aufgabe oder einen bestimmten Datensatz zu optimieren.

Um besser zu verstehen, was es ist, sehen wir uns an, was die Parameter in einem linearen Regressionsmodell sind . Sehen Sie sich das Bild unten an. Sie können ein Streudiagramm (in Blau) und eine affine Funktion (in Rot) sehen. Diese rote Kurve repräsentiert unsere lineare Regression.

Unser Ziel mit dieser roten Kurve ist es, am besten annähern zu können, wo ein neuer Punkt liegen würde, wenn sein Wert in x=1 oder x=2 wäre.

Was können wir an unserer Rotfunktion ändern, damit sie der Realität am nächsten kommt? Eine affine Funktion schreibt man wie folgt: y = ax + b. Wir haben hier zwei Parameter: a und b , auf denen wir spielen können.
Ohne zu sehr ins Detail zu gehen, müssen wir eine Kostenfunktion definieren, die es uns ermöglicht zu wissen, ob wir der Realität nahe kommen oder nicht.

Versuchen Sie sich nun 175 Milliarden Parameter in einer einzigen KI vorzustellen. Unglaublich nein?

GPT-3 ist eine Art maschinelles Lernmodell, das als Transformer bekannt ist und darauf trainiert ist, Text in natürlicher Sprache zu verarbeiten und zu generieren. Es tut dies, indem es lernt, das nächste Wort in einer Folge von Wörtern basierend auf den Wörtern vorherzusagen, die davor standen. Je mehr Text es verarbeitet, desto besser kann es vorhersagen, welches Wort als nächstes kommt, und desto menschenähnlicher wird seine Ausgabe.

Transformatoren sind ziemlich kompliziert zu verstehen. Wenn wir zusammenfassen müssten, was es ist, ist es ein Algorithmus, der Daten aufnimmt und eine Ausgabe erzeugt. Es wird als neuronales Netzwerk bezeichnet, weil es von der Funktionsweise von Neuronen im Gehirn inspiriert ist.

Durch diesen Schritt ändert der Transformator die Parameter gemäß dem, was er gelernt hat. Je mehr Daten es gesehen hat, desto mehr wird es in der Lage sein, sein Modell zu verfeinern (dies ist eine Annäherung, in Wirklichkeit ist es viel komplizierter).

Wenn Sie mehr wissen möchten, hier ist ein faszinierender Artikel zu diesem Thema (etwas technischer)

GPT-3 kann für eine Vielzahl von Sprachaufgaben verwendet werden, z. B. Übersetzung, Zusammenfassung, Beantwortung von Fragen und Textgenerierung. Es kann sogar verwendet werden, um Code zu generieren und andere Aufgaben auszuführen, die ein hohes Maß an Sprachverständnis erfordern.

Die Frage, die Sie mir jetzt natürlich stellen werden, ist, wie kann ich GPT-3 testen? Nun, am einfachsten mit ChatGPT.

ChatGPT: Diskutiere mit einer KI

ChatGPT ist eine Variante von GPT-3, die speziell für Konversationssprachenaufgaben wie Chatbot-Dialoge und die Beantwortung von Fragen entwickelt wurde. Es wird auf einem großen Datensatz von Konversationstexten trainiert und verfügt über ein tieferes Verständnis der Struktur und Muster menschlicher Konversation.

Ein wesentlicher Unterschied zwischen GPT-3 und ChatGPT ist die Art der Daten, mit denen sie trainiert werden, und die Aufgaben, für die sie optimiert sind. GPT-3 wird mit einer breiten Palette von Daten aus dem Internet trainiert und kann für bestimmte Aufgaben feinabgestimmt werden, während ChatGPT speziell für Konversationssprachaufgaben entwickelt wurde und bei anderen Arten von Sprachaufgaben möglicherweise nicht so gut abschneidet.

Und der Erfolg von ChatGPT war sofort zu spüren, besonders in sozialen Netzwerken wie Twitter. Und wenn wir uns die Statistiken ansehen, erkennen wir die Popularität von ChatGPT.

Welche Anwendung in der realen Welt?

Die Anwendungen dieser Art von KI werden die Welt verändern. Buchstäblich. Es ermöglicht die Vereinfachung vieler langwieriger und schwieriger Aufgaben und öffnet den Weg zu neuen Anwendungen.

Folgendes sagt Sequoia Capital in diesem Artikel :

„So wie Mobilgeräte durch neue Funktionen wie GPS, Kameras und Konnektivität für unterwegs neue Arten von Anwendungen freigesetzt haben, erwarten wir, dass diese großen Modelle eine neue Welle generativer KI-Anwendungen anregen werden.“

Ich werde Ihnen einige Beispiele für die Verwendung von generativer KI geben.

Ermöglichen Sie Entwicklern, schneller zu programmieren

GPT-3 revolutioniert die Welt der Entwicklung. Sie müssen beim Schreiben eines Satzes nicht selbst bestimmte Funktionen programmieren, die KI übernimmt die Generierung für uns.

Das folgende Beispiel ist einfach, zeigt Ihnen jedoch die Leistungsfähigkeit der generativen KI. Natürlich ist es noch nicht perfekt, aber es ist schon außergewöhnlich.

Wenn wir einen Fehler in unserem Code haben und ihn nicht finden können, können wir uns außerdem an diese Art von KI wenden, um uns zu sagen, was zu tun ist, oder sogar den Fehler für uns korrigieren.

Erstellen Sie Videoinhalte

Es wird bald möglich sein, von Grund auf neu oder aus einem Video zu erstellen, um das, was wir sehen, mit einer einfachen Aufforderung zu ändern.

Ein Beispiel ist besser als 1000 Worte. Deshalb lade ich Sie ein, sich das folgende Video anzusehen (Sie werden sehen, dass es noch einige technische Kenntnisse erfordert, aber ich habe keinen Zweifel daran, dass es bald einfacher sein wird).

Außerdem wirst du von DALL-E hören und ich muss es dir erklären.

DALL-E (ausgesprochen „Dolly“) ist ein von OpenAI entwickeltes Deep-Learning-Modell, das in der Lage ist, Bilder aus Textbeschreibungen zu generieren, indem es ein neuronales Netzwerk verwendet, das auf einem Datensatz von Text-Bild-Paaren trainiert wurde. Das Modell wird darauf trainiert, Bilder zu erzeugen, indem es eine Textaufforderung verarbeitet und ein Bild erzeugt, das den im Text beschriebenen Inhalt darstellt. Wenn beispielsweise die Texteingabeaufforderung „Ein zweistöckiges rosa Haus mit einem weißen Zaun und einer roten Tür“ gegeben wird, könnte das Modell ein Bild eines rosa Hauses mit einem weißen Zaun und einer roten Tür erzeugen.

Schreiben Sie über ein bestimmtes Thema

Was ist besser als ChatGPT, um diese Frage selbst zu beantworten?

Der folgende Absatz wird von ChatGPT generiert

Um GPT-3 zum Schreiben über ein bestimmtes Thema zu verwenden, würden Sie das Modell normalerweise mit einer Eingabeaufforderung oder einer Reihe von Eingabeaufforderungen versehen, die die Hauptpunkte umreißen, die der Text abdecken soll. Sie könnten beispielsweise eine Eingabeaufforderung bereitstellen, die die wichtigsten Punkte umreißt, die Sie in einem Artikel über die Vorteile erneuerbarer Energien ansprechen möchten.

Sobald die Eingabeaufforderung bereitgestellt wird, generiert GPT-3 Text, der für das Thema relevant ist und der Struktur und dem Stil der Eingabeaufforderung folgt. Der generierte Text ist kohärent, gut geschrieben und fehlerfrei, was ihn zu einem effektiven Werkzeug zur schnellen und effizienten Generierung hochwertiger Inhalte macht.

Insgesamt ist GPT-3 ein leistungsstarkes und nützliches Werkzeug zum Generieren von Text zu einer Vielzahl von Themen. Es kann von Autoren, Vermarktern und anderen Fachleuten verwendet werden, um schnell und effizient qualitativ hochwertige Inhalte zu erstellen, ohne dass umfangreiche Recherchen oder Schreibzeit erforderlich sind.

Bieten Sie allen Zugang zu Daten

Der Zugriff auf Daten in der Unternehmenswelt bereitet oft Kopfzerbrechen. Man muss über solide Kenntnisse in Data Science im Allgemeinen, aber auch über die Struktur der Daten im Unternehmen verfügen.

Ich habe Vazy eine Lösung mit GPT-3 erstellt, die dieses Problem löst. Sie müssen nur eine Frage in einer beliebigen Sprache stellen, GPT-3 übersetzt sie in SQL (die Datenbanksprache) und zeigt die Daten in wenigen Sekunden an. Sie müssen nicht stundenlang nach den benötigten Daten suchen.

Hier ist ein Video, wie es aussieht.

Das Produkt befindet sich noch in der Entwicklung (GPT-3 ist nur ein kleiner Teil des Projekts, wir verwalten auch die Anzeige und die Qualität der Daten und leiten den Benutzer bei der Verwendung an), aber wenn Sie interessiert sind, treten Sie der Warteliste bei .

GPT-4: immer besser

Sie können sich vorstellen, dass OpenAI bei GPT-3 nicht aufhören will, da wir das verrückte Potenzial des Modells und die Begeisterung der Community sehen. Sie arbeiten also an GPT-4, einer neuen Weiterentwicklung des Modells, das GPT-3 zu Fall bringen sollte.

Laut vielen Informanten auf Twitter sollte GPT-4 mit mehr als 100 BILLIONEN Parametern gefüllt sein. 100 BILLIONEN.

Um Ihnen eine Vorstellung vom Unterschied zu GPT-3 zu geben, ist hier ein Bild, das die Größe der Anzahl der Parameter vergleicht.

Woraus wird also die Zukunft der generativen KI bestehen?

Fazit

Zunächst einmal hoffe ich, dass dieser Artikel Ihnen geholfen hat, etwas besser zu verstehen, was generative KI, LLM, GPT-3 oder ChatGPT waren.

Abschließend möchte ich Sie vor zwei Ansätzen warnen, die wir regelmäßig in sozialen Netzwerken, insbesondere Twitter, sehen.

Einige Jobs wird GPT schon bald komplett ersetzen können

Ich denke, das ist beim aktuellen Stand der generativen KI der falsche Ansatz. Es sollte als große Hilfe für die Menschen bei ihren täglichen Aufgaben angesehen werden, und ich denke, wir können die Hypothese aufstellen, dass in den kommenden Jahren ein hybrider Job auftauchen wird. Der Mensch arbeitet nicht alleine, noch die Maschine, sondern der Wissensmix aus beidem. Auf einer noch wichtigeren Ebene als das, was wir mit dem Internet erleben.

GPT ist ein AGI

Künstliche allgemeine Intelligenz (AGI) ist eine Art von künstlicher Intelligenz, die in der Lage ist, jede intellektuelle Aufgabe zu verstehen oder zu lernen, die ein Mensch kann.

AGI ist der Heilige Gral, von dem jeder KI-Forscher träumt.

Es gibt jedoch einen sehr einfachen Weg zu verstehen, dass GPT noch sehr, sehr weit davon entfernt ist, ein AGI zu werden. Wenn es so gewesen wäre, hätte GPT in Mathematik, Physik oder Informatik bereits Dinge entdecken können, die noch kein Mensch zuvor entdeckt hatte.

Nichtsdestotrotz bringen uns GPT und die Arbeit von OpenAI diesem AGI immer näher. Der Bereich der generativen KI übertrifft die Vorhersagen des Mooreschen Gesetzes und ich persönlich glaube, dass wir bis 2030 AGI erreichen werden.

Und unsere Welt wird sich für immer verändern. Die größten Umwälzungen, denen Menschen je begegnet sind, werden eintreten und eine tiefgreifende Veränderung der Gesellschaft wird stattfinden.

Ich kann es kaum erwarten, das zu sehen.

Wenn Ihnen der Artikel gefallen hat und Sie mir eine Freude machen möchten, zögern Sie nicht, auf vazydata.com zu gehen und sich auf die Warteliste zu setzen ;)