Chart GPT (챗GPT) - 빛과 그림자

시청하면서 버그가 있을 수 있으니 버그나 문제가 있으면 댓글로 남겨주세요.

우선 유탑에서 공부하세요.

이해: 세상의 모든 지식 채널을 보고 알게 되었습니다.

관련 참조 비디오 링크 및 참조.

'추천 관련글,

배경

튜링 테스트(1950)

1950년 제2차 세계대전 암호해독자 앨런 튜링이 과학자들에게 도전하다
질문자와 응답자 2명 준비, 응답자 중 1명 컴퓨터그리고 그 나머지 인간.
의뢰인은 어느 컴퓨터인지 모릅니다.

답변은 키보드를 통해서만 제공되며 이 테스트에서는
쿼리어가 컴퓨터가 어느 쪽에 있는지 확인할 수 없으면 컴퓨터가 테스트를 통과합니다.
기계가 스스로 생각할 수 있는지 테스트 = 튜링 테스트
- 사람과 이야기할 때 차이점을 말할 수 있습니까?

엘리자 (1966)

ALICE(인공 언어 인터넷 컴퓨터 장치)(1995)

IBM 왓슨(2006)

IBM 설립자이자 초대 CEO인 Thomas J. Watson의 이름 사용
Jeopardy 쇼의 질문에 답하는 프로그램 설계
- 질문이 입력되는 즉시 질문을 구성하는 키워드 조각을 분석하고 메모리를 검색하여 50% 이상 일치하는 경우 부저를 울리는 메커니즘입니다.
헬스케어: 암센터에서 폐암 치료의 적용(실패..)
→ 환자의 질병을 진단할 때 Watson은 문서, 차트, 의견 및
또는 검사 결과 등을 스캔하여 질병의 원인으로 의심되는 정보를 얻습니다.

그러나 나는 의사 소견서의 개인적인 표현이나 요약 정보를 이해하지 못했습니다.
법률 분야: 사례 검색

가상 비서(Siri, Alexa, Google Assistant)(2011)

GPT = Generative Pretrained Transformer(2020)

GPT

주의가 필요합니다.

구글 발표 → OPEN AI 시장 진입
- 기존 신경망의 문제점: 이전에 학습한 것이 뒤로 전달되지 않음
  - 대 인간 신경망: 후방 뉴런에 중요한 콘텐츠 전달
    - 뉴런 앞뒷면 연결(문장의 특징 전달 → 잊혀진 특징 전달)
  - 딥러닝은 학습할 때 특징을 줄인다 → 줄일 때 필요한 특징을 제공하기 위해
- 자연어 처리에서 가장 널리 사용됩니다.
  
  본질적으로 AI 언어 모델은 인간이 언어를 배우는 것과 마찬가지로 텍스트의 맥락과 의미를 이해하기 위해 각 문자와 단어의 의미를 순차적으로 결정합니다.
- Attention Model: 위의 문제를 개선하여 후방 뉴런으로 정보 전달
  - 무엇을 전달해야 하는지 알아보기
- 언어 구조 이해 = 불트(좌뇌)
- 음성 생성 = GPT(우뇌)
GPT-3 엔진 + 대화형 기계 학습과 OpenAI에서 만든 명령을 결합한 채팅 앱(서비스)
GPT(Genarative Pre-trained Transformer)-3: 기계 학습 매개변수를 사용하여 다양한 자연어의 텍스트를 학습하도록 구축된 모델(약 1750억)

언어의 구조 이해 = 독립적으로 텍스트를 학습하는 비지도 학습 (인간의 언어는 이런 특징적인 명사형을 가짐)
1 단계 = 질문-답변을 위한 수많은 데이터 학습(감독 학습)
정답을 줘 (미세 조정 = 샘플 솔루션)
2 단계 = 생성된 응답 중 가장 좋은 응답을 선택하도록 모델 교육(감독 학습일년)
답안지에 오류가 있는지 확인하고 모형을 만드십시오. (비윤리적인 답변…)
3단계 = 생성-평가 반복을 통한 모델 교육(강화 학습)
반응-반응 모델 ︎ 학습 모델연속 회전으로 정확도 향상

출발점