Sari la conținutul principal

Procesare

Modele de limbaj​

Modelele de limbaj sunt sisteme AI avansate care pot înțelege, interpreta și genera limba umană. Aceste modele sunt antrenate pe seturi uriașe de date de text și învață tipare, combinații de cuvinte, structuri de propoziții și chiar subtilitățile diferitelor limbi și stiluri de exprimare. Nucleul multor modele moderne de limbaj este arhitectura transformer, care se bazează pe mecanismele de auto-atenție pentru a determina care părți ale textului sunt importante într-un context dat.

La procesarea limbajului, aceste modele folosesc metode statistice pentru a prezice probabil cuvântul următor cel mai probabil sau cea mai probabilă propoziție următoare în cadrul unui text. Ele pot înțelege contextul din fragmente lungi de text și, prin urmare, pot genera texte nu doar gramatical corecte, ci și coerente și relevante din punct de vedere conținutual.

La utilizarea unui model de limbaj pentru, de exemplu, un chatbot sau un generator de text, modelului i se furnizează anumite prompts sau date inițiale iar pe baza acelei intrări, modelul generează text care urmează logic din contextul dat. Scopul acestor modele este să producă text care să pară cât mai uman posibil, atât în conținut, cât și în stil.

Modele text-pentru-imagine​

Modelele text-pentru-imagine sunt sisteme AI capabile să genereze reprezentări vizuale pornind de la descrieri scrise, cum ar fi fotografii, ilustrații sau alte tipuri de materiale vizuale. Aceste modele folosesc rețele neuronale avansate, și mai specific rețele generative adversariale (GAN-uri) sau variante ale acestora, cum ar fi modelele de difuzie.

Procesul începe cu o descriere textuală introdusă de utilizator. Modelul analizează acest text și încearcă să înțeleagă semnificația și contextul său. Apoi, modelul stimulează imagini care corespund descrierii textuale, folosind ceea ce a învățat în timpul antrenamentului, fiind antrenat pe seturi uriașe de perechi text-imagine.

În timpul antrenamentului, modelul învață asocieri între descrieri textuale și caracteristici vizuale. De exemplu, dacă modelul vede în mod repetat combinația de cuvinte „un soare galben deasupra unei mări albastre” împreună cu imagini ce ilustrează acest scenariu, învață să recunoască aceste elemente și să le reproducă în creațiile vizuale viitoare.

Rezultatul este adesea imagini surprinzător de exacte și detaliate, care se potrivesc cu descrierea introdusă. Aceste modele devin din ce în ce mai rafinate și sunt capabile să reprezinte scenarii complexe cu mai multe obiecte și concepte abstracte. Ele sunt utilizate într-o gamă largă de aplicații, inclusiv creații artistice, design de jocuri, realitate virtuală și altele.

AI-Public deschide modele​

Este important să înțelegem că AI-Public deschide mai multe modele AI oferite de marile companii de tehnologie printr-un API. Un API, sau Application Programming Interface, este un set de reguli și definiții prin care programele software pot comunica între ele. Funcționează ca un fel de „ limbaj” pe care programele îl înțeleg pentru a schimba informații și pentru a apela funcții unul altuia. AI-Public nu are în sine modele de limbaj sau modele text-pentru-imagine.

Nu suntem responsabili pentru rezultatele diferitelor modele. Totuși, am acordat atenție selecției celor mai bune și mai interesante modele pentru companii.

Procedura de procesare​

Procedura următoare este utilizată pentru a genera un răspuns:

  • Utilizatorul creează o promptă.
  • Aplicatia web front-end leagă acest lucru la chat-ul activ și adaugă un mesaj de chat cu starea „Inițializare”.
  • Pe serverele AI-Public este declanșată o funcție prin adăugarea unui mesaj de chat.
  • Starea mesajului de chat este setată la „Procesare”.
  • La selecția chat-ului cu documente, serverul trimite mai întâi o cerere către baza de date vectorială Firestore pentru a selecta textele din documente.
  • Apoi serverul trimite cererea printr-o conexiune API către modelul de limbaj selectat.
  • Dacă setarea Redare în flux este activată, atunci vom stoca mesajul după fiecare 10 fragmente primite și după fiecare 25 de fragmente după primirea a 100 de fragmente.
  • Îndată ce întreaga răspuns este primit, starea este setată la „Finalizat”.
  • Componentele aplicației front-end sunt actualizate după fiecare actualizare a bazei de date.
  • În cazul apariției erorilor, starea este setată la „Eroare” și este afișată o notificare de eroare.

Nu transmitem date cu caracter personal împreună cu fiecare cerere API. Totuși, utilizatorul poate include date cu caracter personal în prompt sau în documentele încărcate.