Ostrzeżenie: ten artykuł jest zarezerwowany dla osób, które nie mają wiedzy na temat danych lub sztucznej inteligencji. Dokonuję pewnych przybliżeń, aby uprościć sprawę.

Obudziłeś się jak co drugi poranek i wyciągnąłeś telefon, żeby wejść na Twittera. A potem tsunami . Tysiące tweetów mówiących o GPT-3, OpenAI lub ChatGPT. Wracasz spać.

Ale kiedy budzisz się ponownie, zastanawiasz się, dlaczego tak wiele osób o tym mówi i czym jest GPT-3?

Nie martw się, wszystko ci wyjaśnię.

Generatywna sztuczna inteligencja

Zanim przejdę do sedna sprawy, muszę wyjaśnić, czym jest generatywna sztuczna inteligencja.

Generatywna sztuczna inteligencja odnosi się do klasy systemów sztucznej inteligencji, które są w stanie generować nowe dane, takie jak tekst, obrazy lub dźwięk, w oparciu o zestaw danych wejściowych oraz zestaw reguł lub celów.

Mówiąc prościej, dajemy algorytmowi zestaw danych, który będzie sprawdzał, aby zrozumieć zasady i działanie w celu wygenerowania nowego wyniku (na przykład zdania lub obrazu)

Porozmawiajmy o GPT-3

GPT-3 to program komputerowy opracowany przez OpenAI, który może rozumieć i generować tekst podobny do ludzkiego. Może czytać i pisać w wielu różnych językach, a nawet pisać historie lub odpowiadać na pytania, które ludzie mu zadają. To trochę jak naprawdę inteligentny robot, który może mówić i pisać jak człowiek. Ale zamiast ciała żyje w komputerze i komunikuje się przez Internet.

Pewnie myślisz, że bardzo dobrze podsumowałem GPT-3, ponieważ jestem genialnym pisarzem, ale myliłbyś się. Definicja ta została napisana przez samego GPT-3. Ale jak? Poprośmy GPT-3 o więcej szczegółów (dokończę wyniki)

GPT-3 (skrót od „Generative Pre-trained Transformer 3”) to system sztucznej inteligencji przetwarzający język opracowany przez OpenAI. Jest to jeden z największych i najpotężniejszych obecnie dostępnych modeli językowych, ze 175 miliardami parametrów.

GPT-3 to coś, co nazywamy LLM (Large Language Models). Nazywa się je „dużymi”, ponieważ mają niezwykłą liczbę parametrów. Istnieje kilka typów dużych modeli językowych, z których dwa najbardziej znane to transformatory (GPT-3 lub BERT) i powtarzające się sieci neuronowe (RNN, takie jak LSTM lub GRU).

Modele te są szkolone na ogromnych ilościach danych z różnych miejsc: artykułów, książek, Internetu itp.

Parametr to wartość, która określa zachowanie lub dane wyjściowe algorytmu lub modelu. Służy do precyzyjnego dostrajania wydajności algorytmu lub modelu i można go dostosować w celu optymalizacji wyników dla określonego zadania lub zestawu danych.

Aby lepiej zrozumieć, co to jest, przyjrzymy się, jakie są parametry w modelu regresji liniowej . Spójrz na poniższy obraz. Możesz zobaczyć wykres punktowy (na niebiesko) i funkcję afiniczną (na czerwono). Ta czerwona krzywa przedstawia naszą regresję liniową.

Naszym celem w przypadku tej czerwonej krzywej jest możliwość najlepszego przybliżenia, gdzie znajdowałby się nowy punkt, gdyby jego wartość wynosiła x=1 lub x=2.

Co możemy zmienić w naszej czerwonej funkcji, aby była jak najbardziej wierna rzeczywistości? Funkcję afiniczną zapisujemy następująco: y = ax + b. Mamy tu do czynienia z dwoma parametrami: a i b , na których możemy grać.
Nie wchodząc w szczegóły, będziemy musieli zdefiniować funkcję kosztu, która pozwoli nam wiedzieć, czy jesteśmy blisko rzeczywistości, czy nie.

Teraz spróbuj wyobrazić sobie 175 miliardów parametrów w pojedynczej sztucznej inteligencji. Niesamowite nie?

GPT-3 to model uczenia maszynowego znany jako transformator, który jest szkolony w zakresie przetwarzania i generowania tekstu w języku naturalnym. Robi to, ucząc się przewidywania następnego słowa w sekwencji słów na podstawie słów, które pojawiły się przed nim. Im więcej tekstu przetwarza, tym lepiej radzi sobie z przewidywaniem następnego słowa i tym bardziej przypomina ludzkie wyniki.

Transformatory są dość skomplikowane do zrozumienia. Gdybyśmy mieli podsumować, co to jest, jest to algorytm, który pobiera dane i generuje dane wyjściowe. Nazywa się to siecią neuronową, ponieważ jest inspirowana funkcjonowaniem neuronów w mózgu.

Na tym etapie transformator zmodyfikuje parametry zgodnie z tym, czego się nauczył. Im więcej danych zobaczy, tym bardziej będzie mógł dopracować swój model (jest to przybliżenie, w rzeczywistości jest to dużo bardziej skomplikowane)

Jeśli chcesz dowiedzieć się więcej, oto fascynujący artykuł na ten temat (trochę bardziej techniczny)

GPT-3 może być używany do szerokiego zakresu zadań językowych, takich jak tłumaczenie, streszczanie, odpowiadanie na pytania i generowanie tekstu. Można go nawet używać do generowania kodu i wykonywania innych zadań wymagających wysokiego poziomu zrozumienia języka.

Pytanie, które naturalnie mi teraz zadacie, brzmi: jak mogę przetestować GPT-3? Cóż, w najprostszy sposób z ChatGPT.

ChatGPT: porozmawiaj z AI

ChatGPT to wariant GPT-3, który został specjalnie zaprojektowany do zadań związanych z językiem konwersacyjnym, takich jak dialog chatbota i odpowiadanie na pytania. Jest szkolony na dużym zbiorze danych konwersacyjnego tekstu i ma głębsze zrozumienie struktury i wzorców ludzkiej konwersacji.

Jedną z kluczowych różnic między GPT-3 i ChatGPT jest rodzaj danych, na których są szkolone, oraz zadania, dla których są zoptymalizowane. GPT-3 jest szkolony na szerokim zakresie danych z Internetu i może być dostrojony do określonych zadań, podczas gdy ChatGPT jest specjalnie zaprojektowany do konwersacyjnych zadań językowych i może nie działać tak dobrze w innych rodzajach zadań językowych.

Sukces ChatGPT był natychmiast odczuwalny, zwłaszcza w sieciach społecznościowych, takich jak Twitter. A kiedy patrzymy na statystyki, zdajemy sobie sprawę z popularności ChatGPT.

Jaka aplikacja w prawdziwym świecie?

Zastosowania tego rodzaju sztucznej inteligencji zmienią świat. Dosłownie. Pozwala uprościć wiele długich i trudnych zadań oraz otwiera drogę do nowych zastosowań.

Oto, co mówi Sequoia Capital w tym artykule :

„Podobnie jak mobilność uwolniła nowe typy aplikacji dzięki nowym możliwościom, takim jak GPS, aparaty fotograficzne i łączność w ruchu, oczekujemy, że te duże modele zmotywują nową falę generatywnych aplikacji AI”.

Podam kilka przykładów zastosowań generatywnej sztucznej inteligencji.

Pozwól programistom na szybsze kodowanie

GPT-3 rewolucjonizuje świat rozwoju. Nie musisz zawracać sobie głowy kodowaniem niektórych funkcji podczas pisania zdania, sztuczna inteligencja dba o to, aby je dla nas wygenerować.

Poniższy przykład jest prosty, ale pozwala zobaczyć moc generatywnej sztucznej inteligencji. Oczywiście nie jest jeszcze idealnie, ale już jest wyjątkowo.

Co więcej, jeśli mamy błąd w naszym kodzie i nie możemy go znaleźć, możemy zwrócić się do tego rodzaju sztucznej inteligencji, aby podpowiedziała nam, co mamy zrobić, a nawet poprawiła błąd za nas.

Twórz treści wideo

Wkrótce będzie można tworzyć od podstaw lub z wideo, aby móc zmienić to, co widzimy, za pomocą prostego monitu.

Przykład jest lepszy niż 1000 słów. Zapraszam zatem do obejrzenia poniższego filmu (zobaczysz, że wymaga to jeszcze trochę wiedzy technicznej, ale nie mam wątpliwości, że już niedługo będzie łatwiej).

Poza tym usłyszysz o DALL-E i muszę ci to wyjaśnić.

DALL-E (wymawiane „dolly”) to model głębokiego uczenia opracowany przez OpenAI, który jest w stanie generować obrazy z opisów tekstowych, używając sieci neuronowej przeszkolonej na zbiorze danych par tekst-obraz. Model jest szkolony w zakresie generowania obrazów poprzez przetwarzanie monitu tekstowego i generowanie obrazu reprezentującego treść opisaną w tekście. Na przykład, biorąc pod uwagę monit tekstowy „Dwupiętrowy różowy dom z białym płotem i czerwonymi drzwiami”, model może wygenerować obraz różowego domu z białym płotem i czerwonymi drzwiami.

Pisz na konkretny temat

Czy jest coś lepszego niż ChatGPT, aby samemu odpowiedzieć na to pytanie?

Poniższy akapit jest generowany przez ChatGPT

Aby użyć GPT-3 do pisania na określony temat, zwykle dostarczasz modelowi monit lub zestaw podpowiedzi, które przedstawiają główne punkty, które chcesz omówić w tekście. Na przykład możesz podać podpowiedź, która przedstawia główne punkty, które chcesz poruszyć w artykule na temat korzyści płynących z energii odnawialnej.

Po podaniu monitu GPT-3 wygeneruje tekst, który jest odpowiedni do tematu i jest zgodny ze strukturą i stylem monitu. Wygenerowany tekst będzie spójny, dobrze napisany i wolny od błędów, dzięki czemu będzie skutecznym narzędziem do szybkiego i sprawnego generowania wysokiej jakości treści.

Ogólnie rzecz biorąc, GPT-3 jest potężnym i użytecznym narzędziem do generowania tekstu na szeroki zakres tematów. Może być używany przez pisarzy, marketerów i innych profesjonalistów do szybkiego i wydajnego tworzenia wysokiej jakości treści, bez potrzeby przeprowadzania obszernych badań lub poświęcania czasu na pisanie.

Zapewnij wszystkim dostęp do danych

Dostęp do danych w świecie korporacyjnym często przyprawia o ból głowy. Trzeba mieć solidną wiedzę z zakresu data science w ogóle, ale także struktury danych w firmie.

Stworzyłem Vazy rozwiązanie wykorzystujące GPT-3, które rozwiązuje ten problem. Wystarczy zadać pytanie w dowolnym języku, GPT-3 przetłumaczy je na SQL (język bazy danych) i wyświetli dane w kilka sekund. Nie musisz tracić godzin na szukanie potrzebnych danych.

Oto wideo, jak to wygląda.

Produkt jest wciąż w fazie rozwoju (GPT-3 to tylko niewielka część projektu, zarządzamy również wyświetlaniem i jakością danych oraz instruujemy użytkownika w jego obsłudze), ale jeśli jesteś zainteresowany, dołącz do listy oczekujących .

GPT-4: coraz lepiej

Można sobie wyobrazić, że OpenAI nie zamierza poprzestać na GPT-3, ponieważ widzimy szalony potencjał modelu i entuzjazm społeczności. Dlatego pracują nad GPT-4, nową ewolucją modelu, który powinien obniżyć GPT-3.

Według wielu informatorów na Twitterze, GPT-4 powinno być wypełnione ponad 100 TRYLIONAMI parametrów. 100 bilionów.

Aby dać wyobrażenie o różnicy w stosunku do GPT-3, oto obraz porównujący wielkość liczby parametrów.

Jaka będzie przyszłość generatywnej sztucznej inteligencji?

Wniosek

Przede wszystkim mam nadzieję, że ten artykuł pomógł Ci trochę lepiej zrozumieć, czym były generatywne AI, LLM, GPT-3 czy ChatGPT.

Na zakończenie chciałbym ostrzec przed dwoma podejściami, które dość często obserwujemy w sieciach społecznościowych, zwłaszcza na Twitterze.

GPT wkrótce będzie w stanie całkowicie zastąpić niektóre miejsca pracy

Myślę, że jest to niewłaściwe podejście przy obecnym stanie generatywnej sztucznej inteligencji. Powinno to być postrzegane jako wielka pomoc dla ludzi w ich codziennych zadaniach i myślę, że możemy postawić hipotezę, że praca hybrydowa pojawi się w nadchodzących latach. Człowiek nie pracuje sam ani maszyna, ale mieszanka wiedzy obu. Na poziomie nawet ważniejszym niż to, czego doświadczamy w Internecie.

GPT to AGI

Sztuczna inteligencja ogólna (AGI) to rodzaj sztucznej inteligencji, która jest w stanie zrozumieć lub nauczyć się każdego zadania intelektualnego, które może wykonać człowiek.

AGI to Święty Graal, o jakim marzy każdy badacz AI.

Istnieje jednak bardzo prosty sposób, aby zrozumieć, że GPT wciąż jest bardzo, bardzo daleko od zostania AGI. Gdyby tak było, GPT mógłby już odkryć rzeczy w matematyce, fizyce lub informatyce, których żaden człowiek wcześniej nie odkrył.

Niemniej jednak GPT i praca OpenAI coraz bardziej zbliżają nas do tego AGI. Dziedzina generatywnej sztucznej inteligencji przekracza przewidywania Prawa Moore'a i osobiście wierzę, że do 2030 roku osiągniemy AGI.

A nasz świat zmieni się na zawsze. Nastąpią największe wstrząsy, jakie kiedykolwiek spotkały ludzkość, i nastąpi głęboka zmiana w społeczeństwie.

Nie mogę się doczekać, żeby to zobaczyć.

Jeśli artykuł Ci się spodobał i chcesz sprawić mi przyjemność, nie wahaj się wejść na vazydata.com i zapisać się na listę oczekujących ;)