1. Генеративный ИИ:
Генеративные модели искусственного интеллекта предназначены для создания нового оригинального контента на основе данных обучения. Они могут создавать различные выходные данные: от текста и изображений до музыки.
Пример. Рассмотрим генеративный ИИ, обученный классической музыке. При появлении запроса он может сочинить новое музыкальное произведение, которое звучит классически, но является полностью оригинальным и не входило в его обучающие данные.
2. Модель большого языка (LLM):
LLM обучаются работе с огромными объемами текстовых данных, что позволяет им понимать контекст и генерировать текст, похожий на человеческий. Они могут отвечать на вопросы, писать эссе и даже сочинять стихи.
Пример: Если вы спросите магистра права: «Напишите короткое стихотворение о луне», он может дать:
Silver orb in the night sky, Casting shadows, shining high. Guardian of dreams, so bright, Guiding us with gentle light.
3. Токены:
В LLM токен может представлять символ, слово или что-то между ними. Токены — это строительные блоки, которые считывает модель.
Пример: предложение «ChatGPT — это весело!» токенизируется в
[“Chat”, “G”, “PT”, “ is”, “ fun”, “!”].
4. Жетоны завершения:
Это токены, которые модель генерирует как продолжение или завершение данного запроса.
Пример. Для подсказки «Солнце…» модель может выдать фразу «Ярко сияет в небе». Здесь «ярко сияют в небе» — жетоны завершения.
5. Токены подсказки:
Это начальные токены, предоставляемые модели в качестве входных данных или инструкций.
Пример. В предложении «Солнце есть…», «Солнце есть…» являются подсказками.
6. Оперативное проектирование:
Это включает в себя создание и уточнение подсказок, которые помогут модели достичь желаемого результата. Это способ оптимизировать взаимодействие с моделью.
Пример. Чтобы заставить модель генерировать рецепт, вместо запроса «Расскажите мне рецепт» вы можете использовать быстрое проектирование, чтобы спросить: «Предоставьте подробный рецепт для…
