קורס Azure – הבנת היכולות של OpenAI

הבנת יכולות השפה הטבעית של OpenAI

מודלי השפה הטבעית  של Azure OpenAI מסוגלים לקלוט שפה טבעית וליצור תגובות.

מודלים של לימוד שפה טבעית מאומנים על מילים או גושי תווים המכונים אסימונים. לדוגמה, המילה "המבורגר" מתפרקת לאסימונים ham, bur וger, בעוד שמילה קצרה ונפוצה כמו "אגס" היא אסימון יחיד. אסימונים אלה ממופים לווקטורים עבור מודל למידת מכונה שישמש לאימון. כאשר מודל שפה טבעית מאומן קולט את הקלט של המשתמש, הוא גם מפרק את הקלט לאסימונים.

הבנת מודלים של GPT ליצירת שפה טבעית

מודלים גנרטיביים של גנרטור מאומן מראש (GPT) מצוינים הן בהבנה והן ביצירת שפה טבעית. אם ראית חדשות אחרונות סביב בינה מלאכותית שעונה על שאלות או כותבת פסקה על סמך הנחיה, סביר להניח שהיא נוצרה על ידי מודל GPT. דגמי GPT כוללים לעתים קרובות את הגרסה המצורפת לסוף, כגון GPT-2 או GPT-3. Azure OpenAI מציע גישה ל- GPT-3, ויספק גישה ל- GPT-3.5 בקרוב.

איך נראה GPT-3?

היבט מרכזי של  הבינה המלאכותית הגנרטיבית של OpenAI הוא שנדרשת קלט, או הנחיה, כדי להחזיר תגובה של שפה טבעית, חזותית או קוד. GPT מנסה להסיק, או לנחש, את ההקשר של שאלת המשתמש בהתבסס על ההנחיה.

מודלים של GPT מצטיינים בהשלמת מספר משימות בשפה טבעית, שחלקן כוללות:

לדוגמה, בהינתן בקשה שבה המשתמש מקליד טקסט המבקש מתכון לבישול:

כתבו מתכון המבוסס על המרכיבים וההוראות הבאים: פאי פירותמרכיבים:תותיםאוכמניותקמחביציםחלב

הנה דוגמה  לתגובה שנוצרה על-ידי ה-API של OpenAI:

הוראות: 1. מחממים תנור ל-180 מעלות.2. בקערה בינונית, מערבבים יחד 1 קמח וביצה אחת עד לקבלת בצק.3. משמנים תבנית פאי בקוטר 9 אינץ' בחמאה או בתרסיס בישול נון-סטיק.4. מרדדים את הבצק ומניחים בכלי הפשטידה.5. בקערה נפרדת, מערבבים יחד אחת של  תותים, אחת של אוכמניות וכוס אחת של חלב.6. יוצקים את תערובת הפירות לתבנית הפשטידה.7. לאפות

טעים – אולי! חשוב להבין שהתגובות שנוצרו הן הניחושים הטובים ביותר ממכונה. במקרה זה, הטקסט שנוצר עשוי להיות שימושי לבישול משהו שטעמו טוב בחיים האמיתיים, או לא.

כיצד מודלים מוכלים על מקרי שימוש חדשים

ChatGPT הוא צ'אט בוט הבנוי על מודל הבינה המלאכותית הגנרטיבית GPT-3.5. ייתכן שניסית את  יכולות החיזוי של ChatGPT בפורטל צ'אט הדומה  לצילום מסך זה, שבו תוכל להקליד הנחיות ולקבל תגובות אוטומטיות. הפורטל מורכב מממשק המשתמש הקדמי (UI) שמשתמשים רואים, ומקצה עורפי הכולל את דגם GPT-3.5. ניתן לתאר את השילוב של הקצה הקדמי והאחורי כצ'אט בוט. המודל המסופק בקצה האחורי הוא מה שזמין כאבן בניין עם  ה- API של OpenAI. כאשר אתה רואה  יכולות דמויות ChatGPT ביישומים אחרים, מפתחים לקחו את אבני הבניין, התאימו אותן אישית למקרה שימוש ובנו אותן בקצה האחורי של ממשקי משתמש חזיתיים חדשים.

הבנת יכולות יצירת הקוד של OpenAI

מודלים של בינה מלאכותית של יצירת קוד מסוגלים לקחת שפה טבעית או קטעי קוד ולתרגם אותם לקוד.  משפחת המודלים ליצירת קוד OpenAI, Codex, בקיאה ביותר מתריסר שפות, כגון C#, JavaScript, Perl, PHP, והיא בעלת היכולת הגבוהה ביותר בפייתון.

קודקס

מודלים של קודקס מבוססים על GPT-3 וממוטבים להבנה וכתיבה של קוד. מודלים אלה הוכשרו הן על שפה טבעית והן על מיליארדי שורות קוד ממאגרים ציבוריים. קודקס מסוגל ליצור קוד מהוראות בשפה טבעית כגון הערות קוד, ויכול להציע דרכים להשלים פונקציות קוד.

לדוגמה, בהינתן ההנחיה "כתוב ספירת לולאה מ- 1 עד 10 בפייתון", ניתנת התשובה הבאה:

Python

For i range(1,11):    הדפס(i)

מודלים של יצירת קוד יכולים לעזור למפתחים לקודד מהר יותר, להבין שפות קידוד חדשות ולהתמקד בפתרון בעיות גדולות יותר ביישום שלהם. מפתחים יכולים לפרק את המטרה שלהם למשימות פשוטות יותר ולהשתמש ב- Codex כדי לעזור לבנות משימות אלה באמצעות דפוסים ידועים.

דוגמאות ליצירת קוד

חלק מנתוני האימון של GPT-3 כללו שפות תכנות, ולכן אין זה מפתיע שמודלים של GPT יכולים לענות על שאלות תכנות אם הם נשאלים. מה שמיוחד במשפחת המודלים של Codex הוא שהיא מסוגלת יותר על פני יותר שפות מאשר מודלים של GPT.

קודקס הוא הרבה מעבר לכתיבת קוד מהנחיות בשפה טבעית. בהינתן הקוד הבא, הוא יכול ליצור בדיקות יחידה:

Python

# Python 3def mult_numbers(a, b):  החזרת a * b # Unit Testabsolutely

Codex builds unit tests for our function:

Python

# Python 3def mult_numbers(a, b):  החזרת a * b # Unit Testdef test_mult_numbers():loadmult_numbers(3,4) ==12loadmult_numbers(0,10) ==0loadmult_numbers(4,0) ==0 # Unit Testdef test_mult_numbers_שלילי():Loadmult_numbers(-1,10) ==-10loadmult_numbers(10,-1) ==-10

קודקס יכול גם לסכם פונקציות שכבר נכתבו, להסביר שאילתות או טבלאות SQL ולהמיר פונקציה משפת תכנות אחת לאחרת.

כאשר אתה מקיים אינטראקציה עם מודלים של Codex, באפשרותך לציין ספריות או תגים ספציפיים לשפה כדי להבהיר לקודקס מה אנו רוצים. לדוגמה, אנו יכולים לספק בקשה זו מעוצבת כ HTML תגובה: <!– לבנות דף שכותרתו "בואו ללמוד על בינה מלאכותית"

ולקבל את זה כתוצאה מכך:

<html>
<ראש>
<title>בואו ללמוד על AI</title>
<link rel="stylesheet" type="text/css" href="css/styles.css">
</ראש>
<גוף>
<div class="עטיפה">
<div class="header">
<h1>בואו ללמוד על בינה מלאכותית</h1>
</div>
<div class="nav">
<ul>
<li><a href="index.php">Home</a></li>
<li><a href="about.php">About</a></li>
<li><a href="resources.php">Resources</a></li>
<li><a href="contact.php">Contact</a></li>
</ul>
</div>
<div class="תוכן">
<h2>צור קשר</h2>
<p>
<!– build a form to contact the publisher –>
<פעולת טופס = "יצירת קשר.php" שיטה = "post">
<label for="name">Name:</label>
<input type="text" name="name"ID="name"required>
<label for="email">Email:</label>
<Input Type="Email"Name="Email"ID="Email">
<label for="subject">Subject:</label>
<Input Type="Text"Name="Subject"ID="Subject">
<label for="message">Message:</label>
<textarea name="message" id="message" נדרש></textarea>
<Input Type="Send"Value="Send">
</טופס>
</p>
</div>
<div class="footer">
<p>בואו ללמוד על AI</p>
</div>
</div>
</גוף>
</html>

GitHub Copilot

OpenAI שיתפה פעולה עם  GitHub כדי ליצור את ה- GitHub Copilot, שילוב של OpenAI Codex בתוסף לסביבות מפתחים כמו Visual Studio Code.

לאחר התקנת התוסף והפעלתו, תוכל להתחיל לכתוב את הקוד שלך, ו- GitHub Copilot יתחיל להציע באופן אוטומטי את שארית הפונקציה בהתבסס על הערות קוד או שם הפונקציה. לדוגמה, יש לנו רק שם פונקציה בקובץ, והטקסט האפור  מוצע באופן אוטומטי להשלמתו.

GitHub Copilot מציע הצעות מרובות להשלמת קוד, אשר ניתן לעבור באמצעות קיצורי מקשים. כאשר ניתנו הערות קוד אינפורמטיביות, הוא יכול אפילו להציע שם פונקציה יחד עם קוד הפונקציה המלא.

הבנת יכולות יצירת התמונות של OpenAI

מודלים של יצירת תמונה יכולים לקבל הנחיה, תמונת בסיס או את שניהם, וליצור משהו חדש. מודלים אלה של בינה מלאכותית גנרטיבית יכולים ליצור תמונות מציאותיות ואמנותיות כאחד, לשנות את הפריסה או הסגנון של תמונה וליצור וריאציות על תמונה מסופקת.

DALL-E

בנוסף ליכולות השפה הטבעית, מודלים אלה של בינה מלאכותית גנרטיבית יכולים לערוך וליצור תמונות. המודל שעובד עם תמונות נקרא DALL-E. בדומה לדגמי GPT, גרסאות מאוחרות יותר של DALL-E מצורפות לשם, כגון DALL-E 2. יכולות תמונה משתייכות בדרך כלל לשלוש הקטגוריות של יצירת תמונה, עריכת תמונה ויצירת וריאציות של תמונה.

יצירת תמונות

ניתן ליצור תמונות מקוריות על ידי מתן הודעת טקסט של מה שאתה רוצה שהתמונה תהיה. ככל שהבקשה מפורטת יותר, כך גדל הסיכוי שהמודל יספק תוצאה רצויה.

עם DALL-E, אתה יכול אפילו לבקש תמונה בסגנון מסוים, כגון "כלב בסגנון וינסנט ואן גוך". ניתן להשתמש בסגנונות גם לעריכות ווריאציות.

לדוגמה, בהינתן ההנחיה "פיל עומד עם המבורגר למעלה, סגנון אמנות דיגיטלית", המודל מייצר תמונות אמנות דיגיטליות המתארות בדיוק את מה שמתבקש

כשמבקשים משהו גנרי יותר כמו "שועל ורוד", התמונות שנוצרות מגוונות ופשוטות יותר ועדיין ממלאות את מה שמתבקש.

עם זאת, כאשר אנו הופכים את ההנחיה לספציפית יותר, כגון "שועל ורוד רץ בשדה, בסגנון מונה", המודל יוצר תמונות מפורטות דומות הרבה יותר.

עריכת תמונה

כשמספקים תמונה, DALL-E יכול לערוך את התמונה כמבוקש על-ידי שינוי הסגנון שלה, הוספה או  הסרה של פריטים או יצירת תוכן חדש להוספה. פעולות עריכה מתבצעות על-ידי העלאת התמונה המקורית וציון מסיכה שקופה המציינת איזה אזור בתמונה יש לערוך. יחד עם התמונה והמסיכה, הנחיה המציינת מה יש לערוך מורה למודל ליצור את התוכן המתאים למילוי האזור.

כאשר מקבלים את אחת התמונות הנ"ל של שועל ורוד, מסכה המכסה את השועל, ואת ההנחיה של "גורילה כחולה קוראת ספר בשדה", המודל יוצר עריכות של התמונה על סמך הקלט שסופק.

וריאציות של תמונות

ניתן ליצור וריאציות תמונה על-ידי מתן תמונה וציון מספר הווריאציות של התמונה הרצויה. התוכן הכללי של התמונה יישאר ללא שינוי, אך היבטים יותאמו כגון מיקום או הסתכלות של נושאי הצילום, סצנת רקע וצבעים עשויים להשתנות.

לדוגמה, אם אני מעלה את אחת התמונות של הפיל חובש המבורגר ככובע, אני מקבל וריאציות של אותו נושא.

הערה

הגישה ל-DALL-E ניתנת כרגע על בסיס הזמנה בלבד.