Генеративный ИИ трансформирует множество отраслей, значительно изменяя будущее работы для творческих и интеллектуальных функций. PromptxAI стремится помочь бизнесам и частным лицам использовать силу генеративного ИИ для ускорения их роста и инноваций. Мы создаем Руководство по генеративному ИИ, чтобы помочь вам начать работу с генеративным ИИ. Вы можете получить доступ к Руководству по генеративному ИИ на этом сайте различными способами, включая изучение техник творческого инжиниринга промптов, чтобы максимально использовать приложения генеративного ИИ, такие как ChatGPT, Midjourney, DALL-E, Stable Diffusion, D-ID и другие. Вы также можете узнать о тенденциях, влияющих на будущее работы, и о том, как использовать их в качестве идей для вашего бизнеса или карьеры. Мы также делимся ускоряющими блокнотами и библиотеками кода, чтобы помочь вам начать работу с генеративным ИИ.
Руководство с популярными примерами Вот версия руководства с наиболее популярными примерами.
Расширенное руководство с общей структурой Вот общая версия руководства, которая расширяет ландшафт генеративного ИИ с помощью агентов, инструментов и контента. Это руководство расширяет и использует LangChain в качестве общей структуры для работы с LLM.
Промпты: Это включает управление промптами, оптимизацию промптов и сериализацию промптов. Модели: Это включает LLM и предварительно обученные модели глубокого обучения трансформеров. Контент: Это включает контент, который может быть использован для улучшения промпта с помощью обучения с несколькими примерами, контент, который может тонко настраивать LLM, или контент, который может быть улучшен или сгенерирован завершениями LLM. Инструменты: Языковые модели часто более мощные при взаимодействии с другими источниками знаний или вычислений. Это может включать Python REPLs, вложения, поисковые системы и многое другое. Цепи: Цепи выходят за пределы одного вызова LLM и представляют собой последовательности вызовов (будь то к LLM или к другому утилиту). Агенты: Агенты включают LLM, принимающую решения о том, какие действия предпринять, выполнение этого действия, наблюдение за результатом и повторение этого до завершения. Память: Память — это концепция сохранения состояния между вызовами цепи/агента. Инфраструктура: Это включает хабы, такие как Hugging Face, GitHub и Kaggle. Это также включает облачных провайдеров, таких как AWS, GCP и Azure. Первопроходцы, такие как OpenAI и Stability AI, являются хостинговыми провайдерами LLM. Другой появляющейся категорией являются специализированные мультиоблачные оркестраторы для обучения, оптимизации и вывода LLM.
Генерация контента Вы можете изучить общее руководство на этом сайте. Давайте начнем с самой правой части руководства, Контент. Пример последовательности промпт-модель-завершение, генерирующей контент в формате диаграммы, демонстрируется в разделе Генерация диаграмм из мировых знаний. Вы также можете изучить раздел Автоматизация написания блогов с низким кодом, чтобы узнать, как использовать API PromptxAI для автоматизации написания блогов. Пост о Аналитике и визуализации естественного языка демонстрирует диаграммы и графики. Интервью с генеральным директором OpenAI Сэмом Альтманом о ИИ для следующей эры демонстрирует создание карт тем и резюме в качестве контента. Вы можете генерировать наборы данных, как это делает Исторический факт Вопрос Ответ для древних цивилизаций.
Ингрессия контента Хотя LLM обучаются на больших корпусах данных, процесс обучения дорогой и требует много времени и вычислительных ресурсов. Это означает, что LLM не знают о последних разработках в области. Таким образом, вы не можете использовать их для ответа на вопросы, основанные на этом неизвестном контенте. Здесь на помощь приходит ингрессия контента. Вы можете применить возможности LLM для понимания и анализа контента в области, даже если они его раньше не видели. Ограничение, однако, заключается в количестве токенов, которые LLM может принять в качестве последовательности завершения промпта. Пример ингрессии контента демонстрируется блокнотом Генератор карт моделей. API PromptxAI может быть использован для генерации карт моделей для любой модели, где публичный сайт объясняет соответствующие детали о модели. Мы создали карты моделей в меню Модели, чтобы продемонстрировать эту возможность.
Тенденции, влияющие на будущее работы Есть несколько тенденций, влияющих на будущее работы. Мы обеспокоены влиянием на работников знаний и стартап-сообщество. Вот некоторые тенденции, которые, как мы считаем, находятся в центре разрушения рабочего места, как объяснено ChatGPT Transformer моделью (ведущий пример тенденции 1) сгенерированными завершениями или ответами на основе промптов или входных данных, которые мы предоставили (пример тенденции 2). Мы придумали общее название для GitHub, Kaggle и Huggingface как тенденция 3, называя их Хабами создателей.
Тенденция 1: Генеративный ИИ ChatGPT, DALL-E, Midjourney, Stable Diffusion, D-ID — это популярные приложения генеративного ИИ. В то время как ChatGPT генерирует человеко-подобные ответы в качестве чат-бота, DALL-E, Midjourney и Stable Diffusion могут генерировать изображения из текстовых промптов. D-ID генерирует видео. За кулисами эти приложения используют модели трансформеров, такие как GPT-3, также известные как большие языковые модели.
Тенденция 2: Инжиниринг промптов Инжиниринг промптов сейчас в тренде в социальных сетях. Интересно, как Сэм Альтман обращается к будущему инжиниринга промптов в интервью (25:09), где он думает, что это эволюционирует до людей, просто взаимодействующих с AGI естественным образом. Однако Рид Хоффман делает контраргумент, как художник может формулировать гораздо лучшие промпты и получать больше от моделей трансформеров, чем случайный пользователь.
Тенденция 3: Хабы создателей Чтобы понять разрыв между успешными предпринимателями или стартап-командами и типичным работником знаний в устоявшейся компании, можно сравнить их инструменты, рабочие привычки и навыки. Альтернативно, можно посмотреть на быстрый темп достижений, сделанных сообществами открытого исходного кода и гражданской науки данных, по сравнению с лидерами рынка в той же области. Приобретения Kaggle Google в 2017 году (финансовые условия не раскрыты), GitHub Microsoft в 2018 году (за $7,5 миллиардов), Streamlit Snowflake в 2021 году (за $800 миллионов), оценка Huggingface в $2 миллиарда и прогнозируемая оценка OpenAI в $20 миллиардов в конце 2022 года демонстрируют влияние этих новых создателей рынка на будущее работы и рост сообщества работников знаний, изучающих новые навыки. Hugging Face предлагает Streamlit Spaces для хостинга приложений, построенных на Streamlit. Модель OpenAI GPT-2 доступна в репозитории моделей Hugging Face (по состоянию на февраль 2023 года, хостинг более 133K предварительно обученных моделей).
