Descripción de las funcionalidades de lenguaje natural de OpenAI
Los modelos de lenguaje natural de Azure OpenAI pueden tomar en lenguaje natural y generar respuestas.
Los modelos de aprendizaje de lenguaje natural se entrenan en palabras o fragmentos de caracteres conocidos como tokens. Por ejemplo, la palabra "hamburger" se divide en los tokens ham, bur, y ger, mientras que una palabra corta y común como "pear" es un token único. Estos tokens se asignan a vectores para que un modelo de aprendizaje automático se use para el entrenamiento. Cuando un modelo de lenguaje natural entrenado toma la entrada de un usuario, también divide la entrada en tokens.
Descripción de los modelos GPT para la generación de lenguaje natural
Los modelos generadores de transformadores previamente entrenados (GPT) son excelentes para comprender y crear lenguaje natural. Si ha visto noticias recientes sobre la inteligencia artificial que responde preguntas o escribe un párrafo en función de un aviso, es probable que un modelo GPT, como GPT-35-Turbo o GPT-4. lo haya generado.
¿Qué aspecto tiene una respuesta de un modelo GPT?
Un aspecto clave de la IA generativa de OpenAI es que toma una entrada, o solicitud, para devolver un lenguaje natural, un objeto visual o una respuesta de código. GPT intenta deducir, o adivinar, el contexto de la pregunta del usuario en función de la solicitud.
Los modelos GPT son excelentes para completar varias tareas de lenguaje natural, algunas de las cuales incluyen:
| Tarea | Prompt |
|---|---|
| Resumen de texto | "Resumir este texto en una explicación corta" |
| Clasificación de texto | "¿Qué género de libro es esto?" |
| Generación de nombres o frases | "Escribir una etiqueta para mi compañía de flores" |
| Traducción | "Traducir "Cómo es usted" al francés" |
| Responder preguntas | "¿Qué hace Azure OpenAI?" |
| Sugerir contenido | "Dame las cinco mejores canciones de bodas" |
Por ejemplo, dado un aviso en el que el usuario escribe en el texto que solicita una receta de cocina:
Write a recipe based on these ingredients and instructions:
Fruit Pie
Ingredients:
Strawberries
Blueberries
Flour
Eggs
Milk
He aquí un ejemplo de la respuesta generada por la API OpenAI:
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
Delicioso - tal vez! Es importante comprender que las respuestas generadas son las mejores estimaciones de una máquina. En este caso, el texto generado puede ser útil para cocinar algo que sabe bien en la vida real o no.
Cómo se aplican los modelos a los nuevos casos de uso
Es posible que haya probado las funcionalidades predictivas de ChatGPT en un portal de chat, donde puede escribir mensajes y recibir respuestas automatizadas. El portal consta de la interfaz de usuario (UI) de front-end que ven los usuarios y un back-end que incluye un modelo de IA generativo. La combinación del front-end y el back-end se pueden describir como un bot de chat. El modelo proporcionado en el back-end es lo que está disponible como un bloque de creación con la API de OpenAI y Azure OpenAI. Puede usar las funcionalidades de ChatGPT en Azure OpenAI a través del modelo GPT-35-turbo. Cuando se ven funcionalidades de IA generativas en otras aplicaciones, los desarrolladores han tomado los bloques de creación, los han personalizado en un caso de uso y los han integrado en el back-end de las nuevas interfaces de usuario front-end.