Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 جهش رو به جلوی هوش مصنوعی با ادغام داده‌های خصوصی در مدل‌های زبان بزرگ

جهش رو به جلوی هوش مصنوعی با ادغام داده‌های خصوصی در مدل‌های زبان بزرگ

یک پروژه منبع‌باز با نام LlamaIndex به منظور رفع محدودیت‌های LLMها، اقدام به ادغام داده‌های خصوصی در مدل‌های زبان بزرگ کرد. در اصل این پروژه برای غلبه بر محدودیت‌های GPT-3 برای کار با داده‎های خصوصی طراحی شده و یک رابط مرکزی برای اتصال LLM با منابع داده خارجی فراهم می‌آورد.

به گزارش هوشیو، در پاییز گذشته، جری لیو دانشمند تحقیقاتی سابق اوبر، پس از کار با مدل هوش مصنوعی تولید متن GPT-3 OpenAI، «محدودیتی» را در توانایی مدل برای کار با داده‌های خصوصی کشف کرد. برای حل این مشکل، او یک پروژه منبع‌باز به نام LlamaIndex را راه‌اندازی کرد که برای باز کردن قابلیت‌ها و استفاده از ویژگی‌های مدل‌های زبان بزرگ (LLM) مانند GPT-3 و GPT-4 طراحی شده بود .

لیو در یک مصاحبه ایمیلی به TechCrunch گفت:«LLMها قابلیت‌های باورنکردنی برای استخراج اطلاعات و استدلال ارائه می‌دهند، آنها می‌توانند پاسخ‌گویی به سؤالات، خلاصه‌سازی اطلاعات و حتی تصمیم‌گیری‌های متوالی را بر اساس مقادیر زیادی از داده‌ها انجام دهند، اما با این‌حالLLM ها محدودیت‌هایی دارند.»

ادغام داده‌های خصوصی در مدل‌های زبان بزرگ

با افزایش محبوبیت پروژه (با میزان 200000 بارگیری ماهانه)، لیو به نیروهای  Simon Suo، یکی از همکاران قدیمی خود در  Uber پیوست تا LlamaIndex را به یک شرکت تمام عیار تبدیل کند. در‌حال‌حاضر، LlamaIndex  چارچوبی را ارائه می‌دهد که متشکل از مجموعه‌ای از ابزارها و عملکردهای از پیش ساخته شده که می‌تواند به توسعه‎دهندگان کمک نماید از قابلیت‌های مدل‌های زبان بزرگ (LLM) بر روی داده‌های شخصی یا سازمانی خود استفاده کنند. این چارچوب کار توسعه‌دهندگان را آسان‌تر می‌کند، تا LLM‌ها را بدون نیاز به ساختن ابزارها و عملکردهای لازم، از همان ابتدا در پروژه‌های خود استفاده نمایند.

چارچوب LlamaIndex به توسعه‌دهندگان این امکان را می‌دهد که انواع مختلفی از داده‌ها را از منابع مختلفی مانند PDF، پاورپوینت، برنامه‌هایی مانند Notion و Slack و پایگاه‌های داده‌ای مانند Postgres و MongoDB به LLM وارد کنند. این چارچوب شامل رابط‌هایی است که دسترسی توسعه‌دهندگان به منابع و قالب‌های مختلف داده را آسان‌تر می‌کند و همچنین ابزارهایی را برای کمک به ساختار داده‌ها فراهم می‌کند، تا بتوان به‌راحتی با LLM از آنها استفاده کرد.

علاوه‌بر‌این، LlamaIndex دارای یک رابط کاربری ساده برای بازیابی اطلاعات و پرس‌و‌جو است که به توسعه‌دهندگان این امکان را می‎دهد تا اطلاعاتی را از مدل های زبان بزرگ دریافت کنند.

لیو گفت:«چارچوب‌های دیگری برای ساخت برنامه‌های کاربردی با مدل‌های زبان بزرگ (LLM) در دسترس هستند، اما چارچوب LlamaIndex متمایز است، زیرا به طور خاص برای کمک به اتصال منابع داده‌های مختلف با LLM طراحی شده. LlamaIndex طیف وسیعی از ابزارها را برای وارد کردن داده‌ها و مدیریت آن‌ها فراهم می‌کند که استفاده از LLM را برای توسعه‌دهندگان آسان‌تر می‌کند، تا بینش‌هایی را از داده‌های خود استخراج کنند.» به زبان ساده، LlamaIndex مجموعه‌ای تخصصی از ابزارها را ارائه می‌دهد که استفاده از LLM‌ها را با انواع مختلف داده آسان‌تر می‌کند.

لیو گفت:« LlamaIndex به گونه‌ای طراحی‌شده که با فناوری‌های جدید و در حال تکامل سازگار باشد. LlamaIndex به یک فناوری یا پلت‌فرم محدود نمی‌شود، بنابراین می‌توان آن را با ظهور فناوری‌های جدید، به روز یا اصلاح کرد. صنعت هوش مصنوعی آنقدر سریع در حال حرکت است که هر پشته فناوری در حال ظهور، احتمالاً ظرف چند ماه آینده تغییر خواهد کرد.»

بنر اخبار هوش مصنوعی

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.