يغوص Snorkel في تسمية البيانات ونماذج الذكاء الاصطناعي الأساسية

تحقق من الجلسات عند الطلب من قمة Low-Code / No-Code للتعرف على كيفية الابتكار واكتساب الكفاءات بنجاح من خلال تحسين وتوسيع نطاق المطورين المواطنين. شاهد الآن .

يعد تصنيف البيانات جزءًا أساسيًا من عمليات التعلم الآلي (ML) ، ولكنه غالبًا ما يستغرق وقتًا طويلاً ومعقدًا.

يمكن أن يكون تصنيف البيانات أيضًا هو المفتاح لإطلاق إمكانات المؤسسة الأوسع للنماذج الأساسية. في حين أن النماذج الأساسية مثل GPT-3 و DALL-E لها فائدة كبيرة لإنشاء النصوص والصور ، فإنها غالبًا ما تفتقر إلى السياق الضروري لحالات استخدام الأعمال المحددة. من أجل تحسين النموذج الأساسي ، يلزم ضبط وتدريب إضافي ، والذي يتطلب غالبًا بيانات مصنفة.

ولكن ماذا لو كان من الممكن استخدام نموذج أساسي لبدء عملية تسمية البيانات لجعل نموذج أصغر مفيدًا لحالات استخدام أعمال محددة؟ هذا هو مزود تصنيف البيانات Snorkel AI الذي يدعي الآن أنه يساعد في حل المشكلة.

"إنه شيء واحد إذا كنت تحاول القيام بعمل إبداعي حيث تقوم بإنشاء نصوص أو صور إبداعية ، ولكن هناك فجوة كبيرة بين ذلك وبين حالة استخدام الإنتاج المعقدة حيث تحتاج إلى الأداء في شريط عالي الدقة من أجل قال أليكس راتنر ، الرئيس التنفيذي والشريك المؤسس لشركة Snorkel AI ، لموقع VentureBeat: البيانات والمهام المتخصصة للغاية. حدث

قمة الأمان الذكية

تعرف على الدور الأساسي للذكاء الاصطناعي والتعلم الآلي في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة في 8 ديسمبر. اشترك للحصول على بطاقتك المجانية اليوم. سجل الان

للمساعدة في حل هذا التحدي ، أعلنت Snorkel AI اليوم عن معاينة لقدرات تطوير النموذج الأساسي الجديد المتمحور حول البيانات. الهدف هو مساعدة مستخدمي منصة Snorkel Flow الخاصة بالشركة على تكييف النماذج الأساسية مع حالات استخدام الأعمال. أوضح راتنر أن الأبحاث والرؤى الرئيسية في Snorkel تكتشف طرقًا أكثر فاعلية لتصنيف البيانات لتدريب النماذج أو تحسينها. مواكبة التدفق لبناء أساس جديد للذكاء الاصطناعي للمؤسسات

يحاول موردون آخرون أيضًا تطوير تقنية للمساعدة في تحسين النماذج الأساسية بسهولة أكبر. من بينها Nvidia ، التي أعلنت عن خدمتها NeMo LLM (نموذج اللغة الكبيرة) في سبتمبر.

يتمثل أحد المكونات الرئيسية لخدمة Nvidia في قدرة المستخدمين على تدريب نماذج كبيرة لحالات استخدام محددة بنهج يُعرف باسم التعلم السريع. من خلال نهج التعلم السريع من Nvidia ، يتم تدريب النموذج المصاحب لتوفير سياق لـ LLM المدربة مسبقًا ، باستخدام رمز مميز سريع.

يستخدم Snorkel أيضًا المطالبات كجزء من Enterprise Foundation Model Management Suite مع ميزة Foundation Model Prompt Builder. ومع ذلك ، أشار راتنر إلى أن المطالبات ليست سوى جزء من مجموعة أكبر من الأدوات اللازمة لتحسين النماذج الأساسية لحالات استخدام المؤسسة.

هناك أداة أخرى تقدمها Snorkel وهي قدرة البدء السريع لنموذج الأساس ، والتي تستخدم نموذج أساس حالي لتسهيل عملية تصنيف البيانات.

قال راتنر: "لذلك بشكل أساسي ، عند تحميل مجموعة بيانات للتسمية في Snorkel Flow ، يمكنك الآن الحصول على تصنيف تلقائي لنوع المرور الأول باستخدام قوة النماذج الأساسية".

لاحظ راتنر أن البداية الدافئة ليست حلاً لجميع تصنيفات البيانات ، لكنها ستحصل على "ثمار معلقة". يقترح أن المستخدمين سيستخدمون على الأرجح البدء السريع بالاشتراك مع المُنشئ الفوري ، بالإضافة إلى ميزة الضبط الدقيق لنموذج Snorkel's Foundation ، لتحسين النماذج. تسمح ميزة الضبط الدقيق للمؤسسات بتحويل النموذج الأساسي إلى مجموعة تدريب خاصة بالمجال. حالات استخدام الأعمال للذكاء الاصطناعي التوليدي أو التنبئي ...