Grundlegendes zu den Funktionen von OpenAI für natürliche Sprachen
Die Modelle für natürliche Sprache von Azure OpenAI sind in der Lage, natürliche Sprache entgegenzunehmen und Antworten zu generieren.
Modelle zum Lernen natürlicher Sprache werden mit Wörtern oder Zeichenblöcken trainiert, die als Token bezeichnet werden. Beispielsweise wird das Wort „Hamburger“ in die Token ham, bur und ger unterteilt, während ein kurzes Wort wie „Brot“ ein einzelnes Token ist. Diese Token werden in Vektoren für ein Machine Learning-Modell eingeordnet, das für das Training verwendet werden kann. Wenn ein trainiertes Modell für natürliche Sprache die Eingaben von Benutzer*innen akzeptiert, wird die Eingabe ebenfalls in Token unterteilt.
Grundlegendes zu GPT-Modellen für die Generierung natürlicher Sprache
GPT-Modelle (Generative Pre-Trained Transformer) eignen sich hervorragend sowohl für das Verständnis als auch für die Erstellung natürlicher Sprache. Wenn Sie aktuelle Nachrichten zu KI gesehen haben, die Fragen beantwortet oder einen Absatz basierend auf einer Äußerung geschrieben hat, könnte diese wahrscheinlich auf der Grundlage eines GPT-Modells (z. B. GPT-35-Turbo oder GPT-4) generiert worden sein.
Wie sieht eine Antwort eines GPT-Modells aus?
Ein wichtiger Aspekt der generativen KI von OpenAI ist, dass eine Eingabe oder Äußerung benötigt wird, um natürliche Sprache, ein visuelles Element oder Code als Antwort zurückzugeben. GPT versucht, den Kontext der Frage der Benutzer*innen basierend auf der Äußerung abzuleiten oder zu erraten.
GPT-Modelle sind gut in mehreren Aufgaben zu natürlicher Sprache, etwa den folgenden:
| Aufgabe | Prompt |
|---|---|
| Zusammenfassen von Text | „Fasse diesen Text als Kurzfassung zusammen“ |
| Klassifizieren von Text | „Welches Buchgenre ist das?“ |
| Generieren von Namen oder Ausdrücken | „Schreibe ein Motto für mein Blumenunternehmen“ |
| Sprachübersetzung | „Übersetze ‚Wie geht es dir‘ ins Französische“ |
| Beantworten von Fragen | „Was macht Azure OpenAI?“ |
| Vorschlagen von Inhalten | „Gib mir die fünf besten Hochzeitslieder“ |
Beispiel: eine Äußerung in Form eines von Benutzer*innen eingegebenen Texts, in der nach einem Kochrezept gefragt wird:
Write a recipe based on these ingredients and instructions:
Fruit Pie
Ingredients:
Strawberries
Blueberries
Flour
Eggs
Milk
Hier ist ein Beispiel einer von der OpenAI-API generierten Antwort:
Instructions:
1. Preheat your oven to 350 degrees Fahrenheit.
2. In a medium bowl, mix together 1 cup of flour and 1 egg until it forms a dough.
3. Grease a 9-inch pie dish with butter or non-stick cooking spray.
4. Roll out the dough and place it in the pie dish.
5. In a separate bowl, mix together 1 cup of strawberries, 1 cup of blueberries, and 1 cup of milk.
6. Pour the fruit mixture into the pie dish.
7. Bake
Köstlich – vielleicht! Es ist wichtig zu verstehen, dass die generierten Antworten optimale Vermutungen von einem Computer sind. In diesem Fall kann der generierte Text nützlich dabei sein, ein im echten Leben wohlschmeckendes Gericht zu kochen oder auch nicht.
Anwenden von Modellen auf neue Anwendungsfälle
Möglicherweise haben Sie die Vorhersagefunktionen von ChatGPT in einem Chatportal ausprobiert, in dem Sie Eingabeaufforderungen eingeben und automatisierte Antworten empfangen können. Das Portal besteht aus der Front-End-Benutzeroberfläche (UI), die Benutzer*innen angezeigt wird, und einem Back-End mit einem generativen KI-Modell. Die Kombination aus Front-End und Back-End kann als Chatbot beschrieben werden. Das im Back-End bereitgestellte Modell ist als Baustein über die OpenAI-API und Azure OpenAI-API verfügbar. Sie können die Funktionen von ChatGPT in Azure OpenAI über das GPT-35-turbo-Modell nutzen. Wenn Sie in anderen Anwendungen auf generative KI-Funktionen stoßen, haben Entwickler*innen die Bausteine übernommen, einem Anwendungsfall angepasst und in das Back-End neuer Front-End-Benutzeroberflächen integriert.