لمحة عن النماذج التوليدية

نماذج الذكاء الاصطناعي التوليدي، مثل عائلة Gemini من تتمكن النماذج من إنشاء محتوى من أنواع مختلفة من إدخالات البيانات، بما في ذلك النصوص والصور والصوت. في أبسط مستوياتها، تعمل هذه النماذج تطبيقات الإكمال التلقائي المتطورة. تم تقديم نص الإدخال ("يمكنك أن تقود حصانًا للمياه،")، يمكن لأي نموذج توليدي التنبؤ بما إذا كان النص الإخراج من المحتمل أن تتبع إحصائيًا ("ولكن لا يمكنك جعلها تشرب")، استنادًا إلى تعلمتها من بيانات التدريب. يمكنك استخدام هذه الخاصية الأساسية نماذج توليدية لتطبيقات مختلفة:

  • قم بإنشاء كتابات إبداعية مثل الشعر والقصص القصيرة والاستعارات مشاركات المدونة
  • تحويل البيانات المنظَّمة إلى نص حر الشكل
  • استخراج المعلومات من النص الحر وتلخيصها
  • إنشاء شفرة
  • الترجمة بين اللغات

لا يتطلب استخدام النماذج التوليدية لإنشاء هذه الميزات استخدام أي جهاز التعلم (ML). لا تحتاج إلى جمع مجموعة بيانات كبيرة أو تدريب الأمثل. كل ما يتطلبه الأمر لبدء أول نموذج أوّلي هو وصف ما تريد النموذج الذي سيفعله في بضع جمل.

تُعرف أيضًا النماذج التوليدية التي تعالج فقط إدخال وإخراج النص باسم النماذج اللغوية الكبيرة (LLM). بإمكان "مجموعة Gemini" من النماذج معالجة المزيد من البيانات النصية، ورغم أنّ هذه النماذج يمكنها تنفيذ وظائف النموذج اللغوي الكبير، فإنها والمعروفة بشكل أكبر باسم النماذج التوليدية

أمثلة على التطبيقات

توضح الأمثلة التالية المدخلات النصية النموذجية والمخرجات من النموذج التوليدي.

إنشاء قصيدة

إدخال المستخدم: Write me a four-line poem about puppies and Android phones. Make sure it rhymes.

ناتج النموذج:

Puppies are cute,
Android phones are neat,
They both bring joy,
And make life complete.

إنشاء قائمة

إدخال المستخدم: Generate a bulleted list of items I need to pack for a three-day camping trip.

ناتج النموذج:

*   Tent
*   Sleeping bag
*   Sleeping pad
*   Camp stove
*   Pots and pans
*   Utensils
*   Food
*   Water
*   First-aid kit
*   Sunscreen
*   Insect repellent
*   ...

يمكنك استخدام النماذج التوليدية لإنشاء كل أنواع السلوكيات المفيدة مثل ذلك، وذلك من خلال صياغة النص الذي تم إدخاله بالشكل الصحيح، وهو ما يُعرف أيضًا باسم الطلب. الفن وعلم تحديد الصياغة الصحيحة لتعمل النماذج التوليدية ما تريده يسمى تصميم الطلب (يسمى أيضًا "هندسة الطلبات" أو مجرد "المطالبة").

تصميم المطالبة 101

عرض القسم السابق بعض الأمثلة على الطلبات التي تحتوي على التعليمات مثل "اكتب لي قصيدة". قد يعمل هذا النوع من التعليمات بشكل جيد أنواع معينة من المهام. ومع ذلك، بالنسبة للتطبيقات الأخرى، وهناك طلب آخر الذي يطلق على أسلوب المطالبة بلقطات قليلة أن يعمل بشكل أفضل. عدد الطلبات التي تستغرقها بعض اللقطات الاستفادة من حقيقة أن النماذج اللغوية الكبيرة جيدة بشكل لا يصدق في التعرف على الأنماط وتكرارها في البيانات النصية. تكمن الفكرة في إرسال النموذج التوليدي هو نمط نصي يجب تعلُّم إكماله. على سبيل المثال، لنفترض أنك تريد إنشاء تطبيق يستخدم كإدخال لاسم البلد ويقوم بإخراج العاصمة. إليك طلب نصي مصمّم للقيام بذلك:

Italy : Rome
France : Paris
Germany :

في هذا الطلب، تحدد نمطًا: [country] : [capital]. إذا أرسلت هذا الطلب إلى نموذج لغوي كبير، فسيتم إكمال النمط إرجاع شيء مثل هذا:

     Berlin
Turkey : Ankara
Greece : Athens

قد تبدو استجابة النموذج هذه غريبة بعض الشيء. لم يُرجع النموذج فقط عاصمة ألمانيا (آخر بلد في الطلب المكتوب بخط اليد)، ولكنها قائمة كاملة بأزواج البلدان والعواصم الإضافية. هذا لأن النموذج التوليدي هو "استمرار النمط". إذا كان كل ما تحاول القيام به هو أنشئ دالة تخبرك عاصمة بلد الإدخال ("ألمانيا : برلين")، فإنك على الأرجح لا تهتم بأي جزء من النص الذي يمثله النموذج المصممة بعد "برلين". في الواقع، وبصفتك مصممًا للتطبيقات، ربما تريد لاقتطاع تلك الأمثلة الغريبة. ما هو أكثر من ذلك، ربما تريد تحديد معلمة الإدخال، بحيث لا تكون ألمانيا سلسلة ثابتة ولكنها متغير التي يقدّمها المستخدم النهائي:

Italy : Rome
France : Paris
<user input here> :

لقد كتبت للتو طلبًا من بضع لقطات لإنشاء عواصم البلدان.

يمكنك إنجاز عدد كبير من المهام باتّباع هذا الطلب الذي يتضمّن بضع لقطات فقط. القالب. إليك طلب بعرض بضع لقطات بتنسيق مختلف قليلاً لتحويل Python إلى JavaScript:

Convert Python to JavaScript.
Python: print("hello world")
JavaScript: console.log("hello world")
Python: for x in range(0, 100):
JavaScript: for(var i = 0; i < 100; i++) {
Python: ${USER INPUT HERE}
JavaScript:

أو، استخدم هذا "القاموس العكسي" مطالبة. بناءً على تعريف، فإنه يعرض كلمة تناسب هذا التعريف:

Given a definition, return the word it defines.
Definition: When you're happy that other people are also sad.
Word: schadenfreude
Definition: existing purely in the mind, but not in physical reality
Word: abstract
Definition: ${USER INPUT HERE}
Word:

ربما لاحظت أن النمط الدقيق لطلبات اللقطات القليلة هذه يختلف قَلِيلًا بالإضافة إلى تضمين أمثلة، يمكن توفير التعليمات في تُعد المطالبات استراتيجية إضافية يجب مراعاتها عند كتابة طلباتك الخاصة، حيث فإنها تساعد في توضيح هدفك للنموذج.

المطالبة مقابل تطوير البرامج التقليدية

على عكس البرامج التقليدية المصممة وفقًا لمواصفات مكتوبة بعناية، يكون سلوك النماذج التوليدية معتمًا إلى حد كبير حتى بالنسبة إلى مدربي النماذج. نتيجة لذلك، أُنشئت مكتبة مات بلوت ليب في فإنك لا تستطيع غالبًا التنبؤ مقدمًا بأنواع هياكل المطالبة التي تعمل بشكل أفضل مع نموذج معين. ما هو أكثر من ذلك، فإن سلوك الذكاء الاصطناعي التوليدي نموذج تحديد المصدر في جزء كبير من خلال بيانات التطبيق، ونظرًا لأن النماذج باستمرار على مجموعات البيانات الجديدة، وفي بعض الأحيان يتغير النموذج بدرجة كافية تغير بشكل غير مقصود هياكل الطلبات التي تعمل بشكل أفضل. تأثير هذا التغيير أنت؟ إجراء التجارب! تجربة تنسيقات مختلفة للطلبات

مَعلمات النموذج

يتضمن كل طلب ترسله إلى النموذج قيمًا للمعلمات تتحكم في كيفية ينشئ النموذج استجابة. يمكن أن ينتج عن النموذج نتائج مختلفة قيم المعاملات المختلفة. معلمات النموذج الأكثر شيوعًا هي:

  1. الحد الأقصى للرموز المميزة للمخرجات: يحدد الحد الأقصى لعدد الرموز المميزة التي يمكن استخدامها التي تم إنشاؤها في الرد. يتكون الرمز المميز من أربعة أحرف تقريبًا. 100 ما يعادل 60-80 كلمة تقريبًا.

  2. درجة الحرارة: يتحكّم هذا الخيار في درجة العشوائية في الرمز المميّز. التحديد. يتم استخدام درجة الحرارة لأخذ العينات أثناء إنشاء الاستجابة، والذي يحدث عند تطبيق topP وtopK. درجات الحرارة المنخفضة جيدة للمطالبات التي تتطلب إجابة أكثر حسمًا أو إجابة أقل انفتاحًا، بينما يؤدي ارتفاع درجات الحرارة إلى نتائج أكثر تنوعًا أو إبداعًا حاسمة درجة حرارة 0 حتمية، أي أن أعلى احتمالية الرد المحدد دائمًا.

  3. topK: تغيّر المَعلمة topK طريقة اختيار النموذج للرموز المميّزة. الإخراج. تعني القيمة topK بقيمة 1 أنّ الرمز المميّز الذي اخترته هو الأكثر ترجيحًا بين جميع الرموز المميزة في مفردات النموذج (وتسمى أيضًا فك الترميز الجشع)، بينما يشير الرقم topK من 3 إلى أنّه تم اختيار الرمز المميّز التالي من بين 3 رموز الأكثر احتمالاً باستخدام درجة الحرارة. لكل خطوة من خطوات اختيار الرمز المميز، أخذ عيّنات من topK رموز مميّزة بأعلى الاحتمالات. وتكون الرموز المميزة بعد ذلك ستتم الفلترة بشكلٍ أكبر استنادًا إلى topP مع اختيار الرمز المميّز النهائي باستخدام تحليل درجة الحرارة

  4. topP: تغيّر المَعلمة topP طريقة اختيار النموذج للرموز المميّزة. الإخراج. يتم اختيار الرموز المميزة من الأكثر إلى الأقل احتمالاً حتى يصل مجموع واحتمالاتها تساوي قيمة topP. على سبيل المثال، إذا كانت الرموز المميزة A وB ويكون لاحتمالية C باحتمالية 0.3 و0.2 و0.1 وقيمة topP تساوي 0.5، فإن النموذج سيحدد إما A أو B كرمز مميز تالٍ باستخدام درجة الحرارة واستبعاد C كمرشح. قيمة topP التلقائية هي 0.95.

  5. stop_sequences: ضبط تسلسل محطة على توجيه النموذج إلى التوقف عن إنشاء المحتوى. يمكن أن يكون تسلسل المحطة أي تسلسل الحروف. حاول تجنب استخدام تسلسل من الحروف التي في المحتوى الذي تم إنشاؤه.

أنواع الطلبات

واعتمادًا على مستوى المعلومات السياقية التي تتضمنها هذه المعلومات، على نطاق واسع إلى ثلاثة أنواع.

الطلبات بدون لقطة

لا تحتوي هذه الطلبات على أمثلة يمكن من خلالها تكرار النموذج. بدون طلقة تُظهر المطالبات بشكل أساسي قدرة النموذج على إكمال المطالبة دون أي أمثلة أو معلومات إضافية. وهذا يعني أن النموذج ينبغي أن يعتمد على معرفة مسبقة لتقديم إجابة منطقية.

في ما يلي بعض أنماط الطلبات الفورية الشائعة الاستخدام:

  • محتوى التعليمات
<Overall instruction>
<Content to operate on>

على سبيل المثال،

Summarize the following into two sentences at the third-grade level:

Hummingbirds are the smallest birds in the world, and they are also one of the
most fascinating. They are found in North and South America, and they are known
for their long, thin beaks and their ability to fly at high speeds.

Hummingbirds are made up of three main parts: the head, the body, and the tail.
The head is small and round, and it contains the eyes, the beak, and the brain.
The body is long and slender, and it contains the wings, the legs, and the
heart. The tail is long and forked, and it helps the hummingbird to balance
while it is flying.

Hummingbirds are also known for their coloration. They come in a variety of
colors, including green, blue, red, and purple. Some hummingbirds are even able
to change their color!

Hummingbirds are very active creatures. They spend most of their time flying,
and they are also very good at hovering. Hummingbirds need to eat a lot of food
in order to maintain their energy, and they often visit flowers to drink nectar.

Hummingbirds are amazing creatures. They are small, but they are also very
powerful. They are beautiful, and they are very important to the ecosystem.
  • تعليمات-المحتوى-الإرشادي
<Overall instruction or context setting>
<Content to operate on>
<Final instruction>

على سبيل المثال،

Here is some text I'd like you to summarize:

Hummingbirds are the smallest birds in the world, and they are also one of the
most fascinating. They are found in North and South America, and they are known
for their long, thin beaks and their ability to fly at high speeds. Hummingbirds
are made up of three main parts: the head, the body, and the tail. The head is
small and round, and it contains the eyes, the beak, and the brain. The body is
long and slender, and it contains the wings, the legs, and the heart. The tail
is long and forked, and it helps the hummingbird to balance while it is flying.
Hummingbirds are also known for their coloration. They come in a variety of
colors, including green, blue, red, and purple. Some hummingbirds are even able
to change their color! Hummingbirds are very active creatures. They spend most
of their time flying, and they are also very good at hovering. Hummingbirds need
to eat a lot of food in order to maintain their energy, and they often visit
flowers to drink nectar. Hummingbirds are amazing creatures. They are small, but
they are also very powerful. They are beautiful, and they are very important to
the ecosystem.

Summarize it in two sentences at the third-grade reading level.
  • المتابعة. في بعض الأحيان، يمكنك جعل النموذج يواصل النص دون أي على التعليمات على سبيل المثال، إليك طلب بدون لقطة حيث يكون النموذج لمتابعة الإدخال المقدم:
Once upon a time, there was a little sparrow building a nest in a farmer's
barn. This sparrow

استخدِم الطلبات الخالية من اللقطات لإنشاء تنسيقات نصوص إبداعية، مثل القصائد والرموز سيناريوهات أو مقطوعات موسيقية أو رسائل بريد إلكتروني أو خطابات.

الطلبات من لقطة واحدة

تقدم هذه الطلبات للنموذج مثالاً واحدًا لتكراره ومتابعته النمط. ويسمح هذا بإنشاء ردود يمكن التنبؤ بها من الأمثل.

على سبيل المثال، يمكنك إنشاء مجموعات من الطعام معًا، مثل:

Food: Apple
Pairs with: Cheese
Food: Pear
Pairs with:

طلبات بلقطات قليلة

تقدم هذه الطلبات للنموذج عدة أمثلة يمكن تكرارها. استخدام مطالبات بلقطات قليلة لإكمال المهام المعقدة، مثل تجميع البيانات القائمة على على نمط.

قد يكون أحد الأمثلة على الطلب:

Generate a grocery shopping list for a week for one person. Use the JSON format
given below.
{"item": "eggs", "quantity": "6"}
{"item": "bread", "quantity": "one loaf"}

الخيارات المتقدمة للنماذج التوليدية

يهدف هذا القسم إلى الإجابة عن السؤال التالي: هل هناك عشوائية في الذكاء الاصطناعي التوليدي؟ النماذج أم أنها حاسمة؟

الإجابة المختصرة هي نعم على كليهما. عند طلب نموذج من إنشاء الذكاء الاصطناعي التوليدي، يمكن إدخال نص يتم إنشاء الاستجابة على مرحلتين. في المرحلة الأولى، يبرز النموذج التوليدي معالجة مطالبة الإدخال وإنشاء توزيع الاحتمالية على الرموز المميزة المحتملة (الكلمات) التي يحتمل أن تأتي بعد ذلك. على سبيل المثال، إذا طلبت مع نص الإدخال "قفز الكلب فوق ..."، فإن النموذج التوليدي تنتج صفيفًا من الكلمات التالية المحتملة:

[("fence", 0.77), ("ledge", 0.12), ("blanket", 0.03), ...]

هذه العملية حاسمة؛ سينتج عن النموذج التوليدي نفس توزيعها في كل مرة يقوم فيها بإدخال نفس نص المطالبة.

في المرحلة الثانية، يحوّل النموذج التوليدي هذه التوزيعات إلى الردود النصية الفعلية من خلال إحدى استراتيجيات فك الترميز العديدة. تطبيق بسيط استراتيجية فك التشفير الرمز المميز الأكثر احتمالاً في كل خطوة. هذا النمط حتمية دائمًا. ومع ذلك، يمكنك بدلاً من ذلك اختيار إنشاء استجابة عن طريق أخذ العينات العشوائية عبر التوزيع الذي ناتجه دالة الأمثل. ستكون هذه العملية عشوائية (عشوائية). التحكم في درجة العشوائية المسموح بها في عملية فك الترميز هذه من خلال ضبط درجة الحرارة. حاسمة ودرجة الحرارة 0 يعني تحديد الرموز المميزة الأكثر احتمالاً، وليس هناك العشوائية. في المقابل، ينتج عن ارتفاع درجة الحرارة درجة عالية من العشوائية إلى الرموز المميزة التي اختارها النموذج، مما يؤدي إلى نتائج غير متوقعة استجابات النماذج.

محتوى إضافي للقراءة

  • بعد أن تعرّفنا أكثر على الطلبات والنماذج التوليدية حاول كتابة طلباتك الخاصة باستخدام Google AI Studio:
  • يُرجى الرجوع إلى إرشادات الطلبات لمعرفة مزيد من المعلومات حول أفضل الممارسات لإنشاء الطلبات