Обзор завершений Azure OpenAI и текста
Служба Azure OpenAI предоставляет доступ REST API к мощным языковым моделям OpenAI, включая серии моделей GPT-3.5 и GPT-4. Эти модели можно легко адаптировать к конкретной задаче, включая создание содержимого, суммирование, семантический поиск и преобразование естественного языка в код.
Помимо доступа к REST API, пакет SDK для .NET существует для доступа к службе Azure OpenAI. И это то, что мы будем использовать для создания приложения. Но прежде чем создавать приложение, давайте узнаем больше о том, что такое Azure OpenAI и какие завершения текста. Зная, что дает нам основу, мы должны создавать удивительные приложения с помощью ИИ.
Обзор Azure OpenAI
Служба Azure OpenAI предоставляет клиентам расширенный язык ИИ с помощью OpenAI GPT-3.5, GPT-4, Codex и DALL-E моделей с безопасностью и корпоративным обещанием Azure. Azure OpenAI codevelops API с помощью OpenAI, обеспечивая совместимость и плавное переход с одного на другое.
С помощью Azure OpenAI клиенты получают возможности безопасности Microsoft Azure, выполняя те же модели, что и OpenAI. Azure OpenAI предлагает частные сети, региональную доступность, фильтрацию содержимого ИИ и возможность расширения модели собственными данными.
Конечная точка завершения является основным компонентом службы API. Этот API предоставляет доступ к интерфейсу ввода и вывода текста модели. Пользователям просто нужно предоставить входную строку, содержащую текстовую команду на английском языке, и модель создает завершение текста.
Завершение текста
В этом уроке мы узнаем о завершении текста. Конечную точку завершений можно использовать для выполнения ряда различных задач. Он предоставляет простой, но мощный текстовый интерфейс для любой из моделей Azure OpenAI. Вы вводите некоторый текст в виде запроса, а модель создает завершение текста, которое пытается сопоставить любой контекст или шаблон, который вы предоставили. Например, если вы даете API запрос: "Как сказал Декартс, я думаю, поэтому", он возвращает завершение "я" с высокой вероятностью.
Фактические результаты завершения могут отличаться, так как по умолчанию ИИ является стохастичным. Другими словами, вы можете получить немного другое завершение при каждом вызове, даже если ваш запрос остается прежним.
Этот простой текстовый интерфейс позволяет "программировать" модель, предоставив ей инструкции или лишь несколько примеров того, что вам от нее нужно. Успех обычно зависит от сложности задачи и качества запроса. Общее правило заключается в том, чтобы подумать о том, как вы будете писать слово проблемы для молодого студента, чтобы решить. Грамотно составленный запрос дает достаточно информации для того, чтобы модель поняла, чего вы хотите и как она должна реагировать.
Мы рассмотрим, как написать хороший запрос немного позже, но на данный момент рассмотрим различные типы завершений.
Типы завершений Azure OpenAI
Как уже упоминалось, вы передаете запрос в API Azure OpenAI, который содержит инструкции о том, что вы хотите сделать. И вы можете сделать это так, как классифицировать текст, создавать идеи или даже переводить текст в эмодзи.
Классификация
Для этого первого типа завершения давайте подробно рассмотрим, как "программировать" модель с инструкциями.
Вы можете указать модель, которую вы хотите сортировать данные по предопределенным категориям. Этот тип завершения называется классификацией.
Например, можно передать инструкции или запрос, аналогичный следующему API завершения:
This is a sentiment classifier
Example: "I loved the new movie!"
Sentiment: Positive
Example: "I hate it when my phone battery dies"
Sentiment: Negative
Example: "My day has been 👍"
Sentiment: Positive
Example: "This is the link to the article"
Sentiment: Neutral
Examples:
1. "I loved the new Batman movie!"
2. "I hate it when my phone battery dies"
3. "My day has been 👍"
4. "This is the link to the article"
5. "This new music video blew my mind"
Examples sentiment ratings:
1: Positive
2: Negative
3: Positive
4: Neutral
5: Positive
Create sentiments for:
1. "I can't stand homework"
2. "This is no fun. I'm bored 😠"
3. "I can't wait for Halloween!!!"
4. "My cat is adorable ❤️❤️"
5. "I hate chocolate"
Sentiment classifications:
1.
После отображения модели 4 примеров предложения, классифицированного по тональности, мы предоставьте ему список примеров, а затем список оценок тональности с тем же индексом чисел. API может забрать из этого способа вывода классифицированных тональности.
И это приводит нас к тому, что мы хотим, чтобы модель делала: мы предоставляем 5 тональности для его классификации, а затем он должен выводить классификацию каждого из них в упорядоченном списке.
Это позволяет модели оценивать пять примеров (и даже больше) только в одном вызове.
Вы можете начать видеть, как запрос или текст, переданный модели, является языком программирования.
Поколение
Одна из самых мощных и простых задач, которые можно выполнить с помощью различных моделей GPT, создает новые идеи или версии входных данных. Вы можете дать модели список нескольких идей истории, и он пытается добавить в этот список. Нам доводилось наблюдать, как он создает бизнес-планы, описания персонажей и рекламные слоганы на основе лишь нескольких примеров.
Разговор
Модель очень адептна в проведении разговоров с людьми и даже с собой. С несколькими строками инструкций, мы видели модель выполнять в качестве чат-бота службы клиентов, который интеллектуально отвечает на вопросы, не получая флустера или мудрой трещины разговор партнера, который делает шутки и puns.
Преобразование
Модель — это языковая модель, которая знакома с различными способами, которые можно использовать для выражения информации словами и символами. Они варьируются от текста на естественном языке до кодов и языков, отличных от английского. Модель также может понять содержимое на уровне, который позволяет обобщать, преобразовывать и выражать его различными способами.
Перевод текста
Модель уже имеет представление о многих языках, таких как французский, поэтому вам не нужно учить его. Вместо этого вам просто нужно предоставить достаточно примеров перевода в запросе, чтобы понять, что он преобразуется с одного языка на другой.
Преобразование
В этом примере мы преобразуем название фильма в эмодзи. Это показывает адаптацию модели к выбору шаблонов и работе с другими символами.
Здесь мы ожидаем, что выходные данные будут эмодзи представлением фильма "Паук-Человек".
Back to Future: 👨👴🚗🕒
Batman: 🤵🦇
Transformers: 🚗🤖
Wonder Woman: 👸🏻👸🏼👸🏽👸🏾👸🏿
Spider-Man: 🕸🕷🕸🕸🕷🕸
Winnie the Pooh: 🐻🐼🐻
The Godfather: 👨👩👧🕵🏻♂️👲💥
Game of Thrones: 🏹🗡🗡🏹
Spider-Man:
Сводка
Модель может понять контекст текста и перефразировать его различными способами. Например, он может занять блок текста и создать объяснение, понимаемое ребенком.
Completion
Хотя все запросы приводят к завершению, можно подумать о завершении текста как о своей собственной задаче в экземплярах, где требуется, чтобы модель взяла место, где вы оставили. Например, если задано это предложение, модель будет продолжать обучение мысли о вертикальном сельском хозяйстве.
Vertical farming provides a novel solution for producing food locally, reducing transportation costs and
Фактические ответы
Большие языковые модели (LLM) имеют много знаний, которые они узнали из данных, на которых они обучались. Они также имеют возможность предоставлять ответы, которые звучат реально, но на самом деле составляются. Существует два способа ограничить вероятность того, что LLM составляют ответ.
1. Укажите основу для API , если вы предоставляете модель с текстом, чтобы ответить на вопросы (например, запись Википедии) это менее вероятно, чтобы спутать ответ.
2. Используйте низкую вероятность и показать API, как сказать "Я не знаю" Если модель понимает, что в случаях, когда это менее уверено в ответе, что говорить "Я не знаю" или какой-то вариант подходит, это менее склонно делать ответы.
В этом примере мы предоставляем примеры вопросов и ответов на модели, которые он знает, а затем примеры вещей, которые он не знает и предоставляют вопросительные знаки. Мы также задали вероятность нуля, поэтому модель, скорее всего, ответить на "?" если есть какие-либо сомнения.
Q: Who is Batman?
A: Batman is a fictional comic book character.
Q: What is torsalplexity?
A: ?
Q: What is Devz9?
A: ?
Q: Who is George Lucas?
A: George Lucas is American film director and producer famous for creating Star Wars.
Итоги
Служба Azure OpenAI предоставляет доступ REST API к мощным языковым моделям OpenAI, включая серии моделей GPT-3.5 и GPT-4. Кроме того, вы можете использовать функции безопасности и предприятия, которые вы использовали из облака Azure.
Одним из наиболее полезных функций из языковых моделей OpenAI является завершение текста. Вы передаете запрос или простое описание того, что требуется сделать модель, и она может выполнять такие задачи, как классификация текста, создание текста или суммирование текста.