忘記你對人工智能的了解。這不僅僅是科技巨頭和擁有大量工程師和研究生的大學(xué)。建立有用的智能系統(tǒng)的力量是你力所能及的.感謝令人難以置信的進(jìn)步?大型語言模型 (LLMS)--就像雙子座和Tg-1的動力一樣--你可以創(chuàng)建由Ai驅(qū)動的產(chǎn)品,這些產(chǎn)品過去需要一個工程師團(tuán)隊。在這一系列中,我們將從一個美味的用例開始,揭示建立LOM驅(qū)動的應(yīng)用程序的過程:創(chuàng)建一個個性化的AI膳食計劃。
你已經(jīng)閱讀了這個理論,了解了數(shù)據(jù)的重要性以及所有可以使用的方法。我們準(zhǔn)備好開始創(chuàng)建數(shù)據(jù)集了嗎?呃,沒那么快。我們需要確保我們了解問題空間,并使用它來確定我們甚至需要什么數(shù)據(jù)。
現(xiàn)在我們準(zhǔn)備開始收集數(shù)據(jù)了!但是我們有一些選擇,我們必須決定前進(jìn)的道路?;旧?我們可以有兩種方法來收集數(shù)據(jù):使用現(xiàn)有數(shù)據(jù)或創(chuàng)建新數(shù)據(jù)。
我們的重點(diǎn)從評估一般LM能力轉(zhuǎn)移到評估我們特定的膳食計劃模型的性能。這意味著仔細(xì)判斷我們的提示的有效性和由此產(chǎn)生的膳食計劃的質(zhì)量。在此之前,我們需要組裝我們的工具包:
設(shè)計一套不同的驗證方案,以密切反映現(xiàn)實世界的場景和用戶請求。這種真實的評估確保了機(jī)器人能夠處理用戶可能提出的多樣化、有時不可預(yù)測的請求。
當(dāng)我們投入了全部精力去創(chuàng)造一個尖端的人工智能膳食計劃。你精心挑選了正確的成分,通過訓(xùn)練,小心地把它們混合在一起,現(xiàn)在你的LMA設(shè)計已準(zhǔn)備好為你提供美食的樂趣。但是在你向全世界展示它之前,有一個關(guān)鍵的步驟:徹底的味道測試!這就是一個強(qiáng)有力的評估框架成為你最有價值的工具的地方。
在上一節(jié)中,我們收集了人工智能創(chuàng)造的關(guān)鍵"成分"--數(shù)據(jù)。這是我們模式的基礎(chǔ)。請記住,配料的質(zhì)量(您的數(shù)據(jù))直接影響最后一道菜的質(zhì)量(您的模型的性能)。