Αυτή την εβδομάδα στην τεχνητή νοημοσύνη, 18 Αυγούστου: OpenAI σε χρηματοοικονομικά προβλήματα • Η Stability AI ανακοινώνει το StableCode - KDnuggets

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

### ALT ###
Εικόνα που δημιουργήθηκε από το Editor with Midjourney

Καλώς ήρθατε στην έκδοση αυτής της εβδομάδας του "This Week in AI" στο KDnuggets. Αυτή η επιμελημένη εβδομαδιαία ανάρτηση έχει στόχο να σας κρατήσει ενήμερους για τις πιο συναρπαστικές εξελίξεις στον ταχέως εξελισσόμενο κόσμο της τεχνητής νοημοσύνης. Από πρωτοποριακούς τίτλους που διαμορφώνουν την κατανόησή μας για τον ρόλο της τεχνητής νοημοσύνης στην κοινωνία μέχρι άρθρα που προκαλούν σκέψη, οξυδερκείς πόρους εκμάθησης και επικεντρωμένη έρευνα που ωθεί τα όρια της γνώσης μας, αυτή η ανάρτηση παρέχει μια ολοκληρωμένη επισκόπηση του τρέχοντος τοπίου της τεχνητής νοημοσύνης. Αυτή η εβδομαδιαία ενημέρωση έχει σχεδιαστεί για να σας κρατά ενήμερους και ενήμερους σε αυτόν τον συνεχώς εξελισσόμενο τομέα. Μείνετε συντονισμένοι και καλή ανάγνωση!

Η ενότητα «Επικεφαλίδες» συζητά τα κορυφαία νέα και τις εξελίξεις της περασμένης εβδομάδας στον τομέα της τεχνητής νοημοσύνης. Οι πληροφορίες κυμαίνονται από τις κυβερνητικές πολιτικές τεχνητής νοημοσύνης έως τις τεχνολογικές εξελίξεις και τις εταιρικές καινοτομίες στην τεχνητή νοημοσύνη.

💡 ChatGPT In Trouble: Το OpenAI μπορεί να χρεοκοπήσει μέχρι το 2024, το bot AI κοστίζει στην εταιρεία 700,000 $ κάθε μέρα

Το OpenAI αντιμετωπίζει οικονομικά προβλήματα λόγω του υψηλού κόστους λειτουργίας του ChatGPT και άλλων υπηρεσιών AI. Παρά την ταχεία πρόωρη ανάπτυξη, η βάση χρηστών του ChatGPT έχει μειωθεί τους τελευταίους μήνες. Το OpenAI αγωνίζεται να δημιουργήσει αποτελεσματικά έσοδα από την τεχνολογία του και να δημιουργήσει βιώσιμα έσοδα. Εν τω μεταξύ, συνεχίζει να καταναλώνει μετρητά με ανησυχητικό ρυθμό. Καθώς ο ανταγωνισμός εντείνεται και οι ελλείψεις GPU των επιχειρήσεων εμποδίζουν την ανάπτυξη μοντέλων, το OpenAI πρέπει να βρει επειγόντως μονοπάτια προς την κερδοφορία. Εάν δεν το κάνει, η πτώχευση μπορεί να είναι στον ορίζοντα για την πρωτοποριακή startup τεχνητής νοημοσύνης.

💡 Το Stability AI ανακοινώνει το StableCode, έναν βοηθό κωδικοποίησης AI για προγραμματιστές

Το Stability AI κυκλοφόρησε το StableCode, το πρώτο του παραγωγικό προϊόν τεχνητής νοημοσύνης βελτιστοποιημένο για ανάπτυξη λογισμικού. Το StableCode ενσωματώνει πολλαπλά μοντέλα εκπαιδευμένα σε πάνω από 500 δισεκατομμύρια μάρκες κώδικα για την παροχή έξυπνης αυτόματης συμπλήρωσης, την απόκριση σε οδηγίες φυσικής γλώσσας και τη διαχείριση μεγάλων διαστημάτων κώδικα. Ενώ η τεχνητή νοημοσύνη συνομιλίας μπορεί ήδη να γράψει κώδικα, το StableCode έχει σχεδιαστεί ειδικά για να ενισχύσει την παραγωγικότητα του προγραμματιστή κατανοώντας τη δομή του κώδικα και τις εξαρτήσεις. Με την εξειδικευμένη εκπαίδευση και τα μοντέλα που μπορούν να χειριστούν μεγάλα περιβάλλοντα, το StableCode στοχεύει να βελτιώσει τις ροές εργασίας των προγραμματιστών και να μειώσει το εμπόδιο εισόδου για τους επίδοξους κωδικοποιητές. Η εκτόξευση αντιπροσωπεύει την εισβολή του Stability AI σε εργαλεία κωδικοποίησης που υποστηρίζονται από AI εν μέσω αυξανόμενου ανταγωνισμού στο διάστημα.

💡 Παρουσιάζοντας το Superalignment από το OpenAI

Το OpenAI εργάζεται προληπτικά για την αντιμετώπιση πιθανών κινδύνων από την υπερευφυή τεχνητή νοημοσύνη μέσω της νέας ομάδας Superalignment, η οποία χρησιμοποιεί τεχνικές όπως η ενισχυτική μάθηση από την ανθρώπινη ανατροφοδότηση για την ευθυγράμμιση συστημάτων AI. Βασικοί στόχοι είναι η ανάπτυξη κλιμακούμενων μεθόδων εκπαίδευσης αξιοποιώντας άλλα συστήματα τεχνητής νοημοσύνης, η επικύρωση της ευρωστίας του μοντέλου και η δοκιμή ακραίων καταστάσεων της πλήρους ευθυγράμμισης ακόμη και με σκόπιμα εσφαλμένα ευθυγραμμισμένα μοντέλα. Συνολικά, το OpenAI στοχεύει να δείξει ότι η μηχανική μάθηση μπορεί να διεξαχθεί με ασφάλεια με πρωτοποριακές προσεγγίσεις για την υπεύθυνη διαχείριση της υπερευφυΐας.

💡 Μάθετε καθώς αναζητάτε (και περιηγείστε) χρησιμοποιώντας γενετική τεχνητή νοημοσύνη

Η Google ανακοινώνει πολλές ενημερώσεις στις δυνατότητες τεχνητής νοημοσύνης της Γενιάς Μηχανής Αναζήτησης (SGE), όπως ορισμούς αιώρησης για θέματα επιστήμης/ιστορίας, έγχρωμη επισήμανση σύνταξης για επισκοπήσεις κώδικα και ένα πρώιμο πείραμα που ονομάζεται "SGE κατά την περιήγηση" που συνοψίζει βασικά σημεία και βοηθά τους χρήστες εξερευνήστε σελίδες κατά την ανάγνωση περιεχομένου μεγάλης μορφής στον ιστό. Αυτά στοχεύουν να βελτιώσουν την κατανόηση σύνθετων θεμάτων, να βελτιώσουν την πέψη των πληροφοριών κωδικοποίησης και να βοηθήσουν την πλοήγηση και τη μάθηση καθώς οι χρήστες περιηγούνται. Οι ενημερώσεις αντιπροσωπεύουν τις συνεχείς προσπάθειες της Google να εξελίξει την εμπειρία αναζήτησης με τεχνητή νοημοσύνη με βάση τα σχόλια των χρηστών, με έμφαση στην κατανόηση και την εξαγωγή βασικών λεπτομερειών από πολύπλοκο περιεχόμενο ιστού.

💡 Το Together.ai επεκτείνει το Llama2 σε ένα παράθυρο περιβάλλοντος 32k

Το LLaMA-2-7B-32K είναι ένα μοντέλο γλώσσας ανοιχτού κώδικα, μεγάλου περιεχομένου που αναπτύχθηκε από την Together Computer που επεκτείνει το μήκος περιβάλλοντος του LLaMA-2 της Meta σε 32K διακριτικά. Αξιοποιεί βελτιστοποιήσεις όπως το FlashAttention-2 για πιο αποτελεσματική εξαγωγή συμπερασμάτων και εκπαίδευση. Το μοντέλο προεκπαιδεύτηκε χρησιμοποιώντας ένα μείγμα δεδομένων, συμπεριλαμβανομένων βιβλίων, εγγράφων και εκπαιδευτικών δεδομένων. Παρέχονται παραδείγματα για τη λεπτομέρεια σε μακροχρόνιες εργασίες QA και σύνοψης. Οι χρήστες μπορούν να έχουν πρόσβαση στο μοντέλο μέσω του Hugging Face ή να χρησιμοποιήσουν το OpenChatKit για προσαρμοσμένη λεπτομέρεια. Όπως όλα τα μοντέλα γλώσσας, το LLaMA-2-7B-32K μπορεί να δημιουργήσει μεροληπτικό ή εσφαλμένο περιεχόμενο, που απαιτεί προσοχή στη χρήση.

Η ενότητα «Άρθρα» παρουσιάζει μια σειρά από κομμάτια που προκαλούν σκέψη σχετικά με την τεχνητή νοημοσύνη. Κάθε άρθρο εμβαθύνει σε ένα συγκεκριμένο θέμα, προσφέροντας στους αναγνώστες πληροφορίες για διάφορες πτυχές της τεχνητής νοημοσύνης, συμπεριλαμβανομένων νέων τεχνικών, επαναστατικών προσεγγίσεων και πρωτοποριακών εργαλείων.

📰 Φύλλο εξαπάτησης LangChain

Με το LangChain, οι προγραμματιστές μπορούν να δημιουργήσουν ικανές εφαρμογές βασισμένες σε γλώσσα τεχνητής νοημοσύνης χωρίς να επανεφεύρουν τον τροχό. Η συνθετική δομή του καθιστά εύκολη τη μίξη και την αντιστοίχιση στοιχείων όπως LLM, πρότυπα προτροπών, εξωτερικά εργαλεία και μνήμη. Αυτό επιταχύνει τη δημιουργία πρωτοτύπων και επιτρέπει την απρόσκοπτη ενσωμάτωση νέων δυνατοτήτων με την πάροδο του χρόνου. Είτε θέλετε να δημιουργήσετε ένα chatbot, ένα bot QA ή έναν παράγοντα συλλογιστικής πολλαπλών βημάτων, το LangChain παρέχει τα δομικά στοιχεία για τη γρήγορη συναρμολόγηση προηγμένης τεχνητής νοημοσύνης.

📰 Πώς να χρησιμοποιήσετε το ChatGPT για να μετατρέψετε κείμενο σε παρουσίαση PowerPoint

Το άρθρο περιγράφει μια διαδικασία δύο βημάτων για τη χρήση του ChatGPT για τη μετατροπή κειμένου σε παρουσίαση PowerPoint, πρώτα συνοψίζοντας το κείμενο σε τίτλους και περιεχόμενο διαφανειών και στη συνέχεια δημιουργώντας κώδικα Python για να μετατρέψετε τη σύνοψη σε μορφή PPTX χρησιμοποιώντας τη βιβλιοθήκη python-pptx. Αυτό επιτρέπει τη γρήγορη δημιουργία συναρπαστικών παρουσιάσεων από μεγάλα έγγραφα κειμένου, ξεπερνώντας τις κουραστικές μη αυτόματες προσπάθειες. Παρέχονται σαφείς οδηγίες σχετικά με τη δημιουργία των προτροπών ChatGPT και την εκτέλεση του κώδικα, προσφέροντας μια αποτελεσματική αυτοματοποιημένη λύση για τις ανάγκες παρουσίασης.

📰 Ανοιχτές προκλήσεις στην έρευνα LLM

Το άρθρο παρέχει μια επισκόπηση 10 βασικών ερευνητικών κατευθύνσεων για τη βελτίωση των μεγάλων γλωσσικών μοντέλων: μείωση παραισθήσεων, βελτιστοποίηση μήκους/κατασκευής περιβάλλοντος, ενσωμάτωση πολυτροπικών δεδομένων, επιτάχυνση μοντέλων, σχεδιασμός νέων αρχιτεκτονικών, ανάπτυξη εναλλακτικών λύσεων GPU όπως φωτονικά τσιπ, δημιουργία χρησιμοποιήσιμων πρακτόρων, βελτίωση της εκμάθησης από ανθρώπινη ανατροφοδότηση, βελτίωση των διεπαφών συνομιλίας και επέκταση σε μη αγγλικές γλώσσες. Αναφέρει σχετικά έγγραφα σε αυτούς τους τομείς, σημειώνοντας προκλήσεις όπως η αναπαράσταση των ανθρώπινων προτιμήσεων για ενισχυτική μάθηση και η δημιουργία μοντέλων για γλώσσες χαμηλών πόρων. Ο συγγραφέας καταλήγει στο συμπέρασμα ότι ενώ ορισμένα ζητήματα όπως η πολυγλωσσία είναι πιο εύχρηστα, άλλα όπως η αρχιτεκτονική θα απαιτήσουν περισσότερες ανακαλύψεις. Συνολικά, τόσο η τεχνική όσο και η μη τεχνική εμπειρογνωμοσύνη μεταξύ των ερευνητών, των εταιρειών και της κοινότητας θα είναι κρίσιμης σημασίας για να κατευθύνουν θετικά τα LLM.

📰 Γιατί (μάλλον) δεν χρειάζεται να τελειοποιήσετε ένα LLM

📰 Βέλτιστες πρακτικές για τη χρήση του μοντέλου OpenAI GPT

Το άρθρο περιγράφει τις βέλτιστες πρακτικές για την απόκτηση αποτελεσμάτων υψηλής ποιότητας κατά τη χρήση των μοντέλων GPT του OpenAI, με βάση την εμπειρία της κοινότητας. Συνιστά την παροχή λεπτομερών προτροπών με λεπτομέρειες όπως το μήκος και το πρόσωπο. οδηγίες πολλαπλών βημάτων. Παραδείγματα για μίμηση. παραπομπές και παραπομπές· χρόνος για κριτική σκέψη. και εκτέλεση κώδικα για ακρίβεια. Η τήρηση αυτών των συμβουλών για την καθοδήγηση των μοντέλων, όπως ο καθορισμός βημάτων και προσώπων, μπορεί να οδηγήσει σε πιο ακριβή, συναφή και προσαρμόσιμα αποτελέσματα. Η καθοδήγηση στοχεύει να βοηθήσει τους χρήστες να δομήσουν αποτελεσματικά τα μηνύματα για να αξιοποιήσουν στο έπακρο τις ισχυρές δυνατότητες παραγωγής του OpenAI.

📰 Είμαστε όλοι λάθος σχετικά με την τεχνητή νοημοσύνη

Ο συγγραφέας υποστηρίζει ότι οι τρέχουσες δυνατότητες τεχνητής νοημοσύνης υποτιμώνται, χρησιμοποιώντας παραδείγματα όπως η δημιουργικότητα, η αναζήτηση και η εξατομίκευση για την αντιμετώπιση κοινών παρανοήσεων. Δηλώνει ότι η τεχνητή νοημοσύνη μπορεί να είναι δημιουργική συνδυάζοντας έννοιες, όχι απλώς δημιουργώντας τυχαίες ιδέες. δεν είναι απλώς μια υπερτροφοδοτούμενη μηχανή αναζήτησης όπως η Google. και μπορεί να αναπτύξει εξατομικευμένες σχέσεις, όχι μόνο γενικές δεξιότητες. Αν και δεν είναι σίγουρος ποιες εφαρμογές θα αποδειχθούν πιο χρήσιμες, ο συγγραφέας προτρέπει ένα ανοιχτό μυαλό και όχι απορριπτικό, τονίζοντας ότι ο καλύτερος τρόπος για να προσδιοριστούν οι δυνατότητες της τεχνητής νοημοσύνης είναι η συνεχής πρακτική εξερεύνηση. Συμπεραίνει ότι η φαντασία μας γύρω από την τεχνητή νοημοσύνη είναι περιορισμένη και οι χρήσεις της πιθανότατα υπερβαίνουν κατά πολύ τις τρέχουσες προβλέψεις.

Η ενότητα "Εργαλεία" παραθέτει χρήσιμες εφαρμογές και σενάρια που δημιουργήθηκαν από την κοινότητα για όσους θέλουν να ασχοληθούν με πρακτικές εφαρμογές τεχνητής νοημοσύνης. Εδώ θα βρείτε μια σειρά τύπων εργαλείων, από μεγάλες περιεκτικές βάσεις κώδικα έως μικρές εξειδικευμένες δέσμες ενεργειών. Σημειώστε ότι τα εργαλεία κοινοποιούνται χωρίς έγκριση και χωρίς κανενός είδους εγγύηση. Κάντε τη δική σας εργασία σε οποιοδήποτε λογισμικό πριν την εγκατάσταση και τη χρήση!

️ MetaGPT: Το πλαίσιο πολλαπλών πρακτόρων

Το MetaGPT λαμβάνει μια απαίτηση μιας γραμμής ως είσοδο και έξοδο ιστορίες χρηστών / ανταγωνιστική ανάλυση / απαιτήσεις / δομές δεδομένων / API / έγγραφα κ.λπ. Εσωτερικά, το MetaGPT περιλαμβάνει διαχειριστές προϊόντων / αρχιτέκτονες / διαχειριστές έργων / μηχανικούς. Παρέχει ολόκληρη τη διαδικασία μιας εταιρείας λογισμικού μαζί με προσεκτικά ενορχηστρωμένα SOP.

️ Εκπαιδευτής GPT LLM

Ο στόχος αυτού του έργου είναι η εξερεύνηση ενός πειραματικού νέου αγωγού για την εκπαίδευση ενός μοντέλου υψηλής απόδοσης για συγκεκριμένες εργασίες. Προσπαθούμε να αφαιρέσουμε όλη την πολυπλοκότητα, έτσι είναι όσο το δυνατόν πιο εύκολο να ξεφύγουμε από την ιδέα -> επιδόσεις πλήρως εκπαιδευμένο μοντέλο.

Απλώς εισαγάγετε μια περιγραφή της εργασίας σας και το σύστημα θα δημιουργήσει ένα σύνολο δεδομένων από την αρχή, θα το αναλύσει στη σωστή μορφή και θα συντονίσει ένα μοντέλο LLaMA 2 για εσάς.

️ DoctorGPT

Το DoctorGPT είναι ένα μοντέλο μεγάλης γλώσσας που μπορεί να περάσει τις εξετάσεις ιατρικής άδειας στις ΗΠΑ. Αυτό είναι ένα έργο ανοιχτού κώδικα με αποστολή να παρέχει στον καθένα τον δικό του ιδιωτικό γιατρό. Το DoctorGPT είναι μια έκδοση του Llama2 7 δισεκατομμυρίων παραμέτρων Large Language Model της Meta που βελτιώθηκε σε ένα σύνολο δεδομένων ιατρικού διαλόγου και στη συνέχεια βελτιώθηκε περαιτέρω χρησιμοποιώντας το Reinforcement Learning & Constitutional AI. Δεδομένου ότι το μοντέλο έχει μέγεθος μόνο 3 Gigabyte, ταιριάζει σε οποιαδήποτε τοπική συσκευή, επομένως δεν χρειάζεται να πληρώσετε ένα API για να το χρησιμοποιήσετε.