Sel nädalal tehisintellektis, 18. august: OpenAI finantsraskustes • Stabiilsus AI teatab StableCode'i – KDnuggets

Taasavaldanud Platon

järgijaid: 0

### ALT ###
Pildi lõi toimetaja koos Midjourneyga

Tere tulemast selle nädala KDnuggetsi väljaandesse “See nädal AI-s”. Selle kureeritud iganädalase postituse eesmärk on hoida teid kursis kõige mõjuvamate arengutega tehisintellekti kiiresti arenevas maailmas. Alates murrangulistest pealkirjadest, mis kujundavad meie arusaama tehisintellekti rollist ühiskonnas, kuni mõtlemapanevate artiklite, sisukate õppematerjalide ja meie teadmiste piire nihutavate tähelepanu keskpunktide uurimistööni – see postitus annab põhjaliku ülevaate tehisintellekti praegusest maastikust. See iganädalane värskendus on loodud selleks, et hoida teid selles pidevalt arenevas valdkonnas kursis ja kursis. Püsige lainel ja head lugemist!

Rubriigis “Pealkirjad” käsitletakse viimase nädala tippuudiseid ja arenguid tehisintellekti vallas. Teave ulatub valitsuse tehisintellektipoliitikast tehnoloogiliste edusammude ja ettevõtete uuendusteni AI-s.

???? ChatGPT hädas: OpenAI võib 2024. aastaks pankrotti minna, AI-bot maksab ettevõttele iga päev 700,000 XNUMX dollarit

OpenAI seisab silmitsi rahaliste probleemidega, kuna ChatGPT ja muude tehisintellekti teenuste käitamise kulud on suured. Vaatamata kiirele varasele kasvule on ChatGPT kasutajaskond viimastel kuudel vähenenud. OpenAI püüab oma tehnoloogiat tõhusalt raha teenida ja jätkusuutlikku tulu teenida. Samal ajal põleb see jätkuvalt murettekitava kiirusega sularaha läbi. Kuna konkurents kuumeneb ja ettevõtte GPU puudus takistab mudelite arendamist, peab OpenAI kiiresti leidma teed kasumlikkuse saavutamiseks. Kui see ei õnnestu, võib tehisintellekti teedrajava idufirma silmapiiril olla pankrot.

???? Stabiilsus AI kuulutab välja StableCode'i, AI kodeerimisabi arendajatele

Stability AI on välja andnud StableCode'i, oma esimese generatiivse AI toote, mis on optimeeritud tarkvara arendamiseks. StableCode sisaldab mitut mudelit, mis on koolitatud enam kui 500 miljardi koodimärgiga, et pakkuda intelligentset automaatset lõpetamist, vastata loomuliku keele juhistele ja hallata pikki koodivahemikke. Kuigi vestluspõhine AI oskab juba koodi kirjutada, on StableCode loodud selleks, et tõsta programmeerija tootlikkust koodistruktuuri ja sõltuvuste mõistmise kaudu. Spetsiaalse koolituse ja pikkade kontekstidega hakkama saavate mudelitega on StableCode eesmärk täiustada arendajate töövooge ja vähendada kodeerijate ambitsioonikaid sisenemisbarjääre. Käivitamine kujutab endast stabiilsuse AI katset tehisintellektiga toetatavate kodeerimistööriistade juurde keset kasvavat konkurentsi ruumis.

???? Tutvustame OpenAI Superalignmenti

OpenAI tegeleb ennetavalt superintelligentse tehisintellektiga kaasnevate võimalike riskidega oma uue Superalignment meeskonna kaudu, mis kasutab tehisintellektisüsteemide joondamiseks selliseid tehnikaid nagu inimeste tagasiside põhjal õppimine. Põhieesmärgid on skaleeritavate koolitusmeetodite väljatöötamine, kasutades teisi AI-süsteeme, mudeli töökindluse valideerimine ja täieliku joondustorustiku stressitestimine isegi tahtlikult valesti joondatud mudelite korral. Üldiselt on OpenAI eesmärk näidata, et masinõpet saab ohutult läbi viia teedrajavate lähenemisviiside abil superintellekti vastutustundlikuks juhtimiseks.

???? Õppige otsides (ja sirvides), kasutades generatiivset AI-d

Google teatab mitmest oma otsingumootori genereerimise (SGE) AI-võimaluste uuendusest, sealhulgas teaduse/ajaloo teemade hõljutusdefinitsioonid, värvikoodiga süntaksi esiletõstmine koodiülevaadete jaoks ja varase katse nimega "SGE sirvimise ajal", mis võtab kokku põhipunktid ja aitab kasutajatel. uurige lehti, lugedes veebis pika vormiga sisu. Nende eesmärk on parandada arusaamist keerulistest teemadest, parandada kodeerimisteabe seedimist ning aidata kasutajatel sirvimisel navigeerida ja õppida. Värskendused esindavad Google'i jätkuvaid jõupingutusi AI-otsingukogemuse arendamiseks kasutajate tagasiside põhjal, keskendudes arusaamisele ja keeruka veebisisu põhidetailide väljavõtmisele.

???? Together.ai laiendab Llama2 32 XNUMX kontekstiaknale

LLaMA-2-7B-32K on Together Computeri välja töötatud avatud lähtekoodiga pika konteksti keelemudel, mis pikendab Meta LLaMA-2 konteksti pikkust 32 2-ni. See kasutab optimeerimisi, nagu FlashAttention-2, et võimaldada tõhusamat järeldust ja koolitust. Mudel oli eelkoolitatud, kasutades erinevaid andmeid, sealhulgas raamatuid, pabereid ja juhiseid. Näited on toodud pika vormiga kvaliteedikontrolli ja kokkuvõtete tegemise ülesannete peenhäälestamiseks. Kasutajad saavad mudelile juurde pääseda Hugging Face'i kaudu või kasutada OpenChatKiti kohandatud peenhäälestamiseks. Nagu kõik keelemudelid, võib LLaMA-7-32B-XNUMXK luua kallutatud või vale sisu, mis nõuab kasutamisel ettevaatust.

Jaotises "Artiklid" esitatakse hulk mõtlemapanevaid teoseid tehisintellekti kohta. Iga artikkel sukeldub sügavale konkreetsesse teemasse, pakkudes lugejatele teadmisi tehisintellekti erinevatest aspektidest, sealhulgas uutest tehnikatest, revolutsioonilistest lähenemisviisidest ja murrangulistest tööriistadest.

📰 LangChaini petuleht

LangChaini abil saavad arendajad luua võimekaid AI-keelepõhiseid rakendusi ilma jalgratast uuesti leiutamata. Selle koostatava struktuuri abil on lihtne segada ja sobitada selliseid komponente nagu LLM-id, viipade mallid, välised tööriistad ja mälu. See kiirendab prototüüpide loomist ja võimaldab aja jooksul uusi võimalusi sujuvalt integreerida. Ükskõik, kas soovite luua vestlusrobotit, kvaliteedikontrolli robotit või mitmeastmelist arutlusagenti, pakub LangChain ehitusplokke täiustatud tehisintellekti kiireks kokkupanemiseks.

📰 Kuidas kasutada ChatGPT-d teksti teisendamiseks PowerPointi esitluseks

Artiklis kirjeldatakse kaheetapilise protsessi ChatGPT-i kasutamiseks teksti PowerPointi esitluseks teisendamiseks, tehes esmalt teksti kokkuvõtte slaidipealkirjadeks ja sisuks, seejärel genereerides Pythoni koodi, et teisendada kokkuvõte PPTX-vormingusse, kasutades python-pptx teeki. See võimaldab pikkadest tekstidokumentidest kiiresti luua köitvaid esitlusi, ületades tüütu käsitsi. Siin on selged juhised ChatGPT viipade koostamiseks ja koodi käitamiseks, pakkudes tõhusat automatiseeritud lahendust esitlusvajaduste jaoks.

📰 Avatud väljakutsed LLM-uuringutes

Artiklis antakse ülevaade 10 peamisest uurimissuunast suurte keelemudelite täiustamiseks: hallutsinatsioonide vähendamine, konteksti pikkuse/konstruktsiooni optimeerimine, multimodaalsete andmete kaasamine, mudelite kiirendamine, uute arhitektuuride kujundamine, GPU alternatiivide (nt fotoonkiibid) arendamine, kasutatavate agentide loomine, õppimise parandamine inimeste tagasiside, vestlusliideste täiustamine ja laiendamine mitte-inglise keeltesse. See tsiteerib nende valdkondade asjakohaseid dokumente, märkides väljakutseid, nagu inimeste eelistuste esindamine õppimise tugevdamisel ja mudelite loomine vähese ressursiga keelte jaoks. Autor järeldab, et kuigi mõned probleemid, nagu mitmekeelsus, on paremini käsitletavad, nõuavad teised, nagu arhitektuur, rohkem läbimurdeid. Üldiselt on nii tehnilised kui ka mittetehnilised teadmised teadlaste, ettevõtete ja kogukonna vahel ülimalt olulised, et suunata LLM-e positiivselt.

📰 Miks te (tõenäoliselt) ei pea LLM-i viimistlema?

📰 OpenAI GPT mudeli kasutamise parimad tavad

Artiklis kirjeldatakse parimaid tavasid kvaliteetsete väljundite saamiseks OpenAI GPT mudelite kasutamisel, tuginedes kogukonna kogemustele. See soovitab esitada üksikasjalikke viipasid selliste üksikasjadega nagu pikkus ja isik; mitmeastmelised juhised; näiteid jäljendamiseks; viited ja tsitaadid; aega kriitiliseks mõtlemiseks; ja koodi täitmine täpsuse tagamiseks. Nende mudelite juhendamise näpunäidete (nt sammude ja isikute määramine) järgimine võib viia täpsemate, asjakohasemate ja kohandatavate tulemusteni. Juhendi eesmärk on aidata kasutajatel viipeid tõhusalt struktureerida, et saada OpenAI võimsatest genereerimisvõimalustest maksimumi.

📰 Me kõik eksime AI suhtes

Autor väidab, et praeguseid tehisintellekti võimalusi alahinnatakse, kasutades levinud väärarusaamade vastu võitlemiseks näiteid nagu loovus, otsing ja isikupärastamine. Ta nendib, et tehisintellekt võib olla loominguline, kombineerides kontseptsioone, mitte lihtsalt genereerides juhuslikke ideid; see pole lihtsalt ülelaaditud otsingumootor nagu Google; ja see võib arendada isikupärastatud suhteid, mitte ainult üldisi oskusi. Kuigi pole kindel, millised rakendused osutuvad kõige kasulikumaks, soovitab autor pigem avatud meelt kui tõrjumist, rõhutades, et parim viis tehisintellekti potentsiaali kindlakstegemiseks on pidev praktiline uurimine. Ta järeldab, et meie kujutlusvõime AI suhtes on piiratud ja selle kasutusalad ületavad tõenäoliselt praeguseid ennustusi.

Jaotises „Tööriistad” on loetletud kogukonna loodud kasulikud rakendused ja skriptid neile, kes soovivad praktiliste tehisintellekti rakendustega tegeleda. Siit leiate mitmesuguseid tööriistatüüpe alates suurtest kõikehõlmavatest koodibaasidest kuni väikeste nišiskriptideni. Pange tähele, et tööriistu jagatakse ilma kinnituseta ja ilma igasuguse garantiita. Tehke enne installimist ja kasutamist mis tahes tarkvara osas oma kodutöö!

🛠️ MetaGPT: mitme agendi raamistik

MetaGPT võtab sisendiks ühe rea nõude ja väljastab kasutajalugusid / konkurentsianalüüsi / nõudeid / andmestruktuure / API-sid / dokumente jne. Sisemiselt hõlmab MetaGPT tootejuhte / arhitekte / projektijuhte / insenere. See pakub kogu tarkvaraettevõtte protsessi koos hoolikalt korraldatud SOP-idega.

🛠️ GPT LLM koolitaja

Selle projekti eesmärk on uurida uut eksperimentaalset torujuhet, et koolitada tõhusat ülesandepõhist mudelit. Püüame kogu keerukuse abstraheerida, et oleks võimalikult lihtne minna ideest -> tulemuslik ja täielikult koolitatud mudel.

Sisestage lihtsalt oma ülesande kirjeldus ja süsteem genereerib nullist andmestiku, sõelub selle õigesse vormingusse ja häälestab teie jaoks LLaMA 2 mudeli.

🛠️ ArstGPT

DoctorGPT on suur keelemudel, mis suudab läbida USA meditsiinilise litsentsi eksami. See on avatud lähtekoodiga projekt, mille missiooniks on pakkuda igaühele oma eraarst. DoctorGPT on Meta Llama2 7 miljardi parameetriga Large Language Model versioon, mida peenhäälestati meditsiinidialoogi andmekogul, seejärel täiustati veelgi, kasutades tugevdavat õppimist ja põhiseaduslikku AI-d. Kuna mudel on vaid 3 gigabaiti suur, mahub see igale kohalikule seadmele, seega pole selle kasutamiseks vaja API-d maksta.