Szeretné létrehozni saját generatív AI alkalmazásait? Íme a mesterséges intelligencia modellek listája, amelyek segítenek az indulásban.
Az AI modellek olyan neurális hálózati architektúrák, amelyek rendkívül jól teljesítenek bizonyos feladatokon. Ide tartoznak a képosztályozáshoz és szegmentáláshoz szükséges konvolúciós neurális hálózati architektúrák, generatív, előre betanított nagy nyelvi modellek, diffúziós modellek képgenerálási feladatokhoz, és
A közelmúltban rendkívül népszerűvé váltak a generatív mesterséges intelligencia-alkalmazások – kép, beszéd, szöveg és egyebek – AI modelljei. Ez egyrészt a kutatás fejlődésének, másrészt a nagy teljesítményű számítástechnikához való hozzáférésnek köszönhető.
Íme egy rövid összefoglaló a népszerű mesterséges intelligencia modellekről, amelyeket alább tárgyalok.
ModelKey képességekGPT-4Egy nyílt forráskódú nagy nyelvi modell használható LLM-alapú alkalmazások készítéséreLámaVáltozatos NLP-alkalmazások, a chatbotoktól a kódolási asszisztensekigSólyomA nyílt forráskódú nagynyelvi modell használható LLM-alapú alkalmazások készítéséreStabil diffúzióSzöveg-kép, képfestés, kifestés és felskálázásDALL-E 2Szöveg-kép generálásSuttogásBeszédfelismerés, nyelvi fordítás és nyelvészlelésStableLMNyílt forráskódú könnyű, nagy nyelvi modellCSIPESZKülönféle NLP-feladatok, például kérdések megválaszolása, összegzés és szöveggenerálásInternLMNyílt forráskódú nagy nyelvi modell; LLM-alapú alkalmazások építésére használhatóBármilyen modell szegmentálásaZero-shot általánosítás különféle képszegmentációs feladatokhozWaveGANHanggenerálásCycleGAN és pix2pixKépről képre fordításBioGPTOrvosbiológiai szöveggenerálás és bányászat
A mesterséges intelligencia művészetétől a személyre szabott kódolási asszisztens létrehozásáig számos generatív mesterséges intelligencia-alkalmazást készíthet érdeklődési köre alapján. Az alábbiakban felsorolunk néhány érdekes AI-modellt, amelyeket felfedezhet – a legfontosabb képességeik mellett.
Kezdjük el!
Tartalomjegyzék
GPT-4
A közelgő utazási terveihez szükséges útvonaltervezéstől a munkaköri leírásnak megfelelő kísérőlevelek elkészítéséig a ChatGPT mindennapi feladataink részévé vált. GPT-4utódja, egy még erősebb nagynyelvi modell.
Ez az OpenAI legerősebb mesterséges intelligencia rendszere, jobb érvelési képességekkel és teljesítménnyel, mint a ChatGPT.
Itt egy technikai előadás arról, hogyan működik a GPT-4, és hogyan készíthet vele alkalmazásokat.
A ChatGPT felületet a ingyenes OpenAI fiók. A GPT-4 eléréséhez azonban ChatGPT Plus előfizetéssel kell rendelkeznie.
Íme néhány alkalmazás, amelyet ezekkel a nagy nyelvi modellekkel készíthet:
- Egyedi chatbotok
- CRM platformok fejlesztése
- Kérdés-válaszolás egyedi korpuszon
- Egyéb feladatok, mint az összegzés és a szöveggenerálás
Ezután áttekintünk néhány nyílt forráskódú nagy nyelvi modellt.
Láma
Megjelent a Meta AI Láma, egy alapvető nagy nyelvi modell 65B paraméterekkel, 2023 februárjában. Ezt követően megjelent a LLama 2 az előző kiadáshoz képest jelentős fejlesztésekkel. A következőket érheti el:
- Láma chat: Finomhangolt Llama 2
- Code Llama: Llama 2-re épített; több mint 500 milliárd kód tokenre lett kiképezve; támogatja a kódgenerálást az összes legnépszerűbb programozási nyelven
A Llama modelleket letöltheti és használhatja hozzáférést kér. Tekintse meg ezt az oktatóanyagot, hogy megtudja, hogyan használhatja a LLama 2-t Python alkalmazásaiban:
Sólyom
Sólyom a Technology Innovation Institute (EAE) egy újabb nyílt forráskódú nyelvi modellje. A Falcon LLM programcsomag összes modellje nyílt forráskódú, és nyílt hozzáférésű. Így használhatja őket LLM-alapú alkalmazások létrehozásához.
Jelenleg négy modellméret létezik: 1.3B, 7.5B, 40B és 180B. hogy több benchmarknál jobb teljesítményt nyújtson, a 180B modellt egy 3,5T tokenből álló adatkészletre képezték ki. A Falcon LLM a többi vezető nyílt forráskódú LLM-hez hasonlóan teljesít.
A Falcon 180B nyílt forráskódú LLM a GPT-4 teljesítményéhez közeli teljesítményt ér el. Tekintse meg ezt az oktatóanyagot, amely bemutatja a Falcon 180B-t, a használatát, a hardverkövetelményeket és a GPT-4-gyel való összehasonlítását:
Stabil diffúzió
Stabil diffúzió szöveg-kép modell képgeneráláshoz és más kreatív AI-alkalmazásokhoz. Képfelskálázásra és festésre is használható.
Stabil diffúziós XLamely 2023 júliusában jelent meg, számos fejlesztést kínál, többek között:
- sokkal rövidebb promptokból leíró képeket generál
- támogatási szöveg létrehozásának képessége a képeken belül
- képfestési és kifestési feladatok
- interakció a forrásból származó képpel, hogy változatokat generáljon
Ha szeretné megismerni a diffúziós modellek működését – a varázslat mögötti módszert –, nézze meg Hogyan működnek a diffúziós modelleka DeepLearning.AI ingyenes tanfolyama.
DALL-E 2
DALL-E 2 Az Open AI egy másik népszerű szöveg-képgeneráló modell. Használhatja valósághű képek és művészet létrehozására szövegből – természetes nyelvű leírásból.
A következő feladatokhoz használható:
- képgenerálás szöveges promptokból
- képfestés és kifestés
- egy kép variációinak generálása
A DALL-E 2-t az OpenAI API-n vagy a OpenAI Lab webes felülete.
Suttogás
Nyissa meg az AI-t Suttogás egy beszédfelismerő modell, amely számos alkalmazáshoz használható, többek között:
- nyelvi azonosítás
- beszédfelismerési feladatok, például hangfájlok átírása
- beszédfordítás
Íme egy oktatóanyag a beszéd szöveggé konvertálásához az OpenAI Whisper API használatával:
A modell kipróbálásához telepítheti a whispert (openai-whisper) a pip használatával, és elérheti az API-t egy Python-szkriptből, hogy átírja a hangfájlokat. Ezenkívül más nagy nyelvi modelleket is használhat az átirat összegzésére és egy hangfájl → összefoglaló folyamat létrehozására.
StableLM
StableLM a Stability AI nyílt forráskódú LLM csomagja. Jelenleg a 3B és 7B paraméterek állnak rendelkezésre. A későbbi kiadások nagyobb, 15B – 65B paraméterekkel rendelkező modelleket fognak tartalmazni.
Tehát, ha szeretne kísérletezni könnyű, nyílt forráskódú LLM-ekkel az alkalmazásaiban, kipróbálhatja a StableLM-et.
CSIPESZ
CSIPESZ a Contrastive Language-Image Pre-training rövidítése. Ez egy neurális hálózat, egy multimodális modell, amely (szöveg, kép) párok nagy adathalmazára van kiképezve. A modell a természetes nyelvi adatokat hasznosítja, megpróbálja megtanulni – a természetes nyelvi leírásokból – a képek szemantikáját. A CLIP modell képes megjósolni a legrelevánsabb szöveget egy képen.
A CLIP segítségével nulla felvételű képosztályozást végezhet – költséges előképzés és finomhangolás nélkül. Ezenkívül kihasználhatja a CLIP és a vektoros adatbázisok képességeit érdekes alkalmazások létrehozásához:
- szöveg-kép és kép-kép keresés
- fordított képkeresés
Bármilyen modell szegmentálása
A képszegmentálás a képen belül egy adott objektumhoz tartozó pixelek azonosításának feladata. Megjelent a Meta AI Bármilyen modell szegmentálása (SAM) amelyek segítségével bármilyen kép szegmentálható és tárgyakat vághatunk ki belőlük.
Kép forrása: Szegmentál bármit
A promptok segítségével megadhatja, hogy mit szegmenseljen a képen. A SAM jelenleg a következő promptokat támogatja: határolókeretek, maszkok, valamint elő- és háttérpontok. A modell emellett kiváló nulla-lövés általánosítási teljesítménnyel rendelkezik a korábban nem látott képeken. Tehát nincs szükség kifejezett képzésre.
Próbáld ki a SAM-modell a böngészőjében!
InternLM
InternLM egy nyílt forráskódú nyelvi modell. Kipróbálhatja a 7B alapmodellt és a nyílt forráskódú chat-modellt. A modell támogatja a 8K kontextus ablakot. Ezenkívül az InternLM támogatja a kódértelmező és a függvényhívási képességeket.
Az InternLM a HuggingFace transzformátorok könyvtárában is elérhető. Használhatja a könnyű előképzési keretet. Támogatja az alkalmazások létrehozását és telepítését is LMDeploy. Így az InternLM segítségével teljes körű generatív NLP-alkalmazásokat készíthet.
WaveGAN
WaveGAN a hanggenerálás modellje. Segít szintetizálni a nyers hangot valódi hangadatok mintáiból.
Betaníthatja a WaveGAN-t tetszőleges hangfájlokból álló adathalmazra, és szintetizálhatja a hangot kiterjedt előfeldolgozás nélkül.
CycleGAN és Pix2Pix
Eddig foglalkoztunk a beszéd-szöveg, a szöveg-kép és más modellekkel a különféle természetes nyelvi feldolgozási feladatokhoz. De mi van akkor, ha képről képre fordítást szeretne végrehajtani? Itt használhatod CycleGAN a forrástartomány és a céltartomány közötti leképezés megtanulása a képről képre fordítás végrehajtásához.
Ha például egy tópart télen ábrázolja a képet, érdemes lehet lefordítani ugyanazt a képet, amikor az évszak nyár. A ló képén érdemes a lovat zebrára cserélni, miközben megtartja ugyanazt a hátteret. A CycleGAN kiválóan alkalmas ilyen feladatokra.
A pix2pix modell használható kép-kép fordításra; A modell főbb képességei a következők:
- objektumok rekonstrukciója éltérképekből és
- képek színezése
Megtalálható a CycleGAN és a pix2pix PyTorch implementációja a GitHubon.
BioGPT
BioGPT A Microsoft egy transzformátormodellje, amelyet orvosbiológiai adatbányászati és szöveggeneráló alkalmazásokhoz használhat. Az általa biztosított szekvencia-sorozat modell megvalósításait használja fairseq.
Fairseq A Facebook-kutatástól (jelenleg Meta AI) egy olyan eszközkészlet, amely szekvenciákról szekvenciára modellek megvalósítását biztosítja az olyan feladatokhoz, mint:
- nyelvi modellezés
- fordítás
- összegzése
Mind a előképzett modellek és finomhangolt modellellenőrző pontok állnak rendelkezésre. A modellt letöltheti az URL-ről vagy a HuggingFace hubról.
A BioGPT modellek szintén a HuggingFace transzformátorok könyvtárának részét képezik. Tehát, ha az orvosbiológiai területen dolgozik, használhatja a BioGPT-t tartomány-specifikus alkalmazások létrehozására.
Becsomagolás
Remélem, talált néhány hasznos modellt, amelyekkel generatív AI-alkalmazásokat készíthet. Bár ez a lista nem teljes, bemutattunk néhány legnépszerűbb modellt, amelyek segítségével alkalmazásokat készíthet szöveg- és hanggeneráláshoz, beszédből szöveggé átíráshoz, képkereséshez és sok máshoz.
Amikor nagy nyelvi modelleket használó alkalmazásokat készít, tisztában kell lennie a gyakori buktatókkal, például a tényszerűen helytelen információkkal és hallucinációkkal. A modellek finomhangolásakor pedig korlátokkal szembesülhet, mivel a finomhangolási folyamat gyakran erőforrás-igényes.
Tehát ha Ön fejlesztő, itt az ideje, hogy csatlakozzon a mesterséges intelligencia forradalmához, és elkezdjen érdekes AI-alkalmazásokat építeni! Ezeket a modelleket kipróbálhatja a Google Colabban vagy más kollaboratív adattudományi jegyzetfüzetekben.
