Der Großteil des Codes, den wir zur Interaktion mit LLMs (Giant Language Fashions) verwenden, ist hinter mehreren APIs verborgen – und das ist intestine so.

Aber wenn Sie wie ich sind und verstehen wollen, ins Und Ausgänge dieser magischen Modelle gibt es noch Hoffnung für Sie. Abgesehen von den Forschern, die an der Entwicklung und Schulung neuer LLMs arbeiten, gibt es derzeit hauptsächlich zwei Arten von Menschen, die mit diesen Modelltypen spielen:

• Benutzer, die über Anwendungen interagieren wie ChatGPT oder Zwillinge.
• Datenwissenschaftler und Entwickler, die mit verschiedenen Bibliotheken arbeiten, wie zum Beispiel nennchen, Lama-Index oder sogar mit Zwillinge oder OpenAI APIs, die den Aufbauprozess auf diesen Modellen vereinfachen.

Das Downside ist – und das haben Sie vielleicht schon gespürt –, dass es grundlegendes Wissen über Textual content Mining und natürliche Sprachverarbeitung gibt, das in Verbraucherprodukten oder APIs völlig verborgen ist. Und verstehen Sie mich nicht falsch – sie eignen sich hervorragend für die Entwicklung cooler Anwendungsfälle rund um diese Technologien. Aber wenn Sie tieferes Wissen haben möchten, um komplexe Anwendungsfälle zu erstellen oder LLMs etwas besser zu manipulieren, müssen Sie die Grundlagen überprüfen – insbesondere, wenn sich die Modelle so verhalten, wie Sie es möchten …

Im Studium Am 9. Mai wurde GPT-4 auf dem Pre-Print-Server arXiv veröffentlicht. Die neueste Model der künstlichen Intelligenz namens ChatGPT hat im Turing-Take a look at 54 Prozent der Zeit erreicht. Dies ist ein Delta-Studiengang, bei dem der Kunde die Fähigkeit besitzt, eine Frage von einem Mann zu einem anderen zu beantworten, und die Frage von GPT-4 eher eine Hälfte des Kurses. Denn ein grundlegender Ansatz zur KI-Technologie besteht darin, zunächst einen Computertest zu bestehen, bei dem eine Maschine den Turing-Take a look at bestanden hat. Ein Take a look at, der 1950 von Alan Turing durchgeführt wurde, um zu beweisen, dass eine Maschine für einen Menschen unsichtbar sein kann.

An den Studien waren 500 Personen beteiligt, die mit einer Faust ficken und in einer Minute antworten – und das struggle’s, ELIZA (ein KI-Programm aus den 1960er Jahren), GPT-3.5 und GPT-4. Nach vielen Gesprächen ist es an der Zeit, den Weg mit einem Mann oder einer KI zu besprechen. Die Ergebnisse zeigen, dass GPT-4 im Durchschnitt 54 Prozent der Zeit verbraucht, verglichen mit 50 Prozent für GPT-3.5, 22 Prozent für ELIZA und 67 Prozent für den tatsächlichen Menschen.

Dieses Ergebnis ist für die KI eine Goldmedaille, da es nach gründlicher persönlicher Kommunikation sucht und zu ernsthaften Problemen und potenziellen Risiken führen kann. Umgekehrt kann ein Turingtest-Take a look at in einer neuen Type durchgeführt werden, wobei der Schwerpunkt auf anderen Aspekten der menschlichen Intelligenz und Interaktion liegt. Darüber hinaus diskutieren wir, dass Ihr KI-System, das Menschen missverstehen kann, „soziale und wirtschaftliche Denkprozesse vorantreiben“ kann.

Basierend auf der KI-Technologie, wie sie beispielsweise durch die Leistung von GPT-4 veranschaulicht wird, müssen die Entwickler fundiertes Wissen und praktische Erfahrungen mit der Nutzung von Basistechnologien sammeln. Es ist wichtig, dass alle Beteiligten die Möglichkeiten und Grenzen dieses Rahmens berücksichtigen, einschließlich unserer Einbindung in das KI-System und dessen Inhalte im Rahmen.