Transformery w przetwarzaniu języka naturalnego i widzenia komputerowego. Generatywna AI oraz modele LLM z wykorzystaniem Hugging Face, ChatGPT, GPT-4 Olsztyn

Transformery zrewolucjonizowały przetwarzanie języka naturalnego, analizę obrazów i komputerowe widzenie. Oparte na transformerach duże modele generatywne dostępne za pośrednictwem systemu ChatGPT z GPT-4V w zadaniach przetwarzania tekstu i obrazów przewyższają wydajność człowieka. Aby uczestniczyć w tej nowej erze technologicznej, musisz zrozumieć, jak działają transformery. Tę książkę docenią praktycy: analitycy danych i inżynierowie uczenia maszynowego. Opisano w niej różne architektury transformerów - od pierwszych modeli podstawowych po najnowsze osiągnięcia w generatywnej sztucznej inteligencji. Dzięki lekturze nauczysz się wstępnego szkolenia i dostrajania modeli LLM, a także pracy nad różnymi przypadkami użycia. Poznasz takie problemy jak halucynacje i zagrożenia prywatności, a następnie dowiesz się, jak je łagodzić. W książce pokazano ponadto, jak poprawiać dokładność modeli LLM i uzyskiwać większą kontrolę nad generowanymi przez nie wynikami. Nie zabrakło ciekawych szczegółów dotyczących modeli generatywnych opartych na transformerach, modeli wizyjnych i architektur multimodalnych, jak również opisu najlepszych praktyk. Najciekawsze tematy: wstępne szkolenie i dostrajanie modeli LLM platformy: Hugging Face, OpenAI i Google Vertex AI tokenizery i najlepsze praktyki wstępnego przetwarzania danych językowych techniki łagodzenia halucynacji wizualizacja aktywności modeli transformerów z użyciem systemów BertViz, LIME i SHAP modele wizyjne i multimodalne oparte na transformerach: CLIP, DALL-E 2, DALL-E 3 i GPT-4V Sztuczna inteligencja, która widzi i mówi - przekonaj się, jak to działa! Spis treści: O autorze O korektorze merytorycznym Przedmowa Rozdział 1. Czym są transformery? Stała złożoność czasowa O(1), która na zawsze zmieniła nasze życie Uwaga O(1) pokonuje rekurencyjne metody O(n) Magia obliczeniowej złożoności czasowej warstwy uwagi Krótka podróż od rekurencji do uwagi Od jednego tokena do rewolucji w dziedzinie sztucznej inteligencji Od jednego tokena do całości Modele podstawowe Od zadań ogólnych do zadań specjalistycznych Rola specjalistów AI Przyszłość specjalistów AI Jakich zasobów powinniśmy używać? Wytyczne dotyczące podejmowania decyzji Rozwój łatwych do integracji interfejsów API i asystentów Wybieranie gotowych do użycia bibliotek opartych na API Wybór platformy chmurowej i modelu transformera Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 2. Wprowadzenie do architektury modelu transformera Powstanie transformera - uwaga to wszystko, czego potrzebujesz Stos kodera Stos dekodera Szkolenie i wydajność Transformery Hugging Face Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 3. Emergencja a zadania końcowe - niewidoczne głębiny transformerów Zmiana paradygmatu: czym jest zadanie NLP? Wewnątrz głowicy podwarstwy uwagi transformera Analiza emergencji z użyciem ChatGPT Badanie potencjału modelu w zakresie wykonywania zadań końcowych Ocena modeli za pomocą wskaźników Ocena dokonywana przez człowieka Uruchamianie zadań końcowych CoLA SST-2 MRPC WSC Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 4. Postępy w tłumaczeniach z wykorzystaniem Google Trax, Tłumacza Google i Gemini Definicja tłumaczenia maszynowego Transdukcje i tłumaczenia wykonywane przez ludzi Transdukcje i tłumaczenia maszynowe Ocena tłumaczeń maszynowych Wstępne przetwarzanie zbioru danych WMT Ocena tłumaczeń maszynowych według BLEU Tłumaczenia z wykorzystaniem Google Trax Instalowanie biblioteki Trax Tworzenie modelu oryginalnego transformera Inicjalizowanie modelu z wykorzystaniem wyuczonych wag Tokenizowanie zdania Dekodowanie wyjścia z transformera Detokenizowanie i wyświetlanie tłumaczenia Tłumaczenie za pomocą Tłumacza Google Tłumaczenie z wykorzystaniem wrappera interfejsu Google Translate Ajax API Tłumaczenie z wykorzystaniem systemu Gemini Potencjał systemu Gemini Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 5. Szczegóły dostrajania z wykorzystaniem modelu BERT Architektura BERT Stos kodera Dostrajanie modelu BERT Określanie celu Ograniczenia sprzętowe Instalowanie transformerów Hugging Face Importowanie modułów Określanie CUDA jako urządzenia dla modułu torch Ładowanie zestawu danych CoLA Tworzenie zdań i list etykiet oraz dodawanie tokenów BERT Aktywowanie tokenizera BERT Przetwarzanie danych Tworzenie masek uwagi Dzielenie danych na zbiór szkoleniowy i zbiór walidacyjny Konwertowanie danych na tensory torch Wybieranie rozmiaru partii i tworzenie iteratora Konfigurowanie modelu BERT Ładowanie bazowego modelu Hugging Face bert-base-uncased Pogrupowane parametry optymalizatora Hiperparametry pętli szkoleniowej Pętla szkolenia Ocena szkolenia Prognozowanie i ocena z użyciem wydzielonego zbioru danych Ocena modelu z wykorzystaniem współczynnika korelacji Matthewsa Ocena za pomocą współczynnika korelacji Matthewsa całego zestawu danych Budowanie interfejsu Pythona do interakcji z modelem Zapisywanie modelu Tworzenie interfejsu dla przeszkolonego modelu Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 6. Wstępne szkolenie transformera od podstaw z wykorzystaniem modelu RoBERTa Szkolenie tokenizera i wstępne szkolenie transformera Budowanie modelu KantaiBERT od podstaw Krok 1. Ładowanie zbioru danych Krok 2. Instalowanie transformerów Hugging Face Krok 3. Szkolenie tokenizera Krok 4. Zapisywanie plików na dysku Krok 5. Ładowanie plików tokenizera po przeszkoleniu Krok 6. Sprawdzanie ograniczeń zasobów: GPU i CUDA Krok 7. Definiowanie konfiguracji modelu Krok 8. Ponowne ładowanie tokenizera w module transformers Krok 9. Inicjalizowanie modelu od podstaw Krok 10. Tworzenie zbioru danych Krok 11. Definiowanie mechanizmu zbierania danych Krok 12. Inicjalizowanie trenera Krok 13. Wstępne szkolenie modelu Krok 14. Zapisywanie przeszkolonego modelu (+ tokenizer + konfiguracja) na dysku Krok 15. Modelowanie języka za pomocą potoku FillMaskPipeline Wstępne szkolenie modelu obsługi klienta generatywnej sztucznej inteligencji na danych pochodzących z serwisu X Krok 1. Pobieranie zbioru danych Krok 2. Instalowanie bibliotek Hugging Face: transformers i datasets Krok 3. Ładowanie i filtrowanie danych Krok 4. Sprawdzanie ograniczeń zasobów: układ GPU i CUDA Krok 5. Definiowanie konfiguracji modelu Krok 6. Tworzenie i przetwarzanie zbioru danych Krok 7. Inicjalizowanie obiektu trenera Krok 8. Wstępne szkolenie modelu Krok 9. Zapisywanie modelu Krok 10. Interfejs użytkownika do czatu z agentem generatywnej AI Dalsze szkolenie wstępne Ograniczenia Następne kroki Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 7. ChatGPT - rewolucja w generatywnej sztucznej inteligencji Model GPT jako technologia ogólnego przeznaczenia Udoskonalenia Rozpowszechnianie Wszechobecność Architektura modeli transformerów GPT firmy OpenAI Rozwój modeli transformerów o miliardach parametrów Coraz większe rozmiary modeli transformerów Rozmiar kontekstu i maksymalna długość ścieżki Od dostrajania do modeli zero-shot Stos warstw dekodera Modele GPT Modele OpenAI w roli asystentów ChatGPT udostępnia kod źródłowy Asystent tworzenia kodu GitHub Copilot Przykłady promptów ogólnego przeznaczenia Rozpoczęcie pracy z ChatGPT - GPT-4 w roli asystenta Rozpoczęcie pracy z API modelu GPT-4 Uruchomienie pierwszego zadania NLP z użyciem modelu GPT-4 Uruchamianie wielu zadań NLP Wykorzystanie techniki RAG z GPT-4 Instalacja Odzyskiwanie informacji z dokumentów Zastosowanie techniki RAG Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 8. Dostrajanie modeli GPT OpenAI Zarządzanie ryzykiem Dostrajanie modelu GPT do wykonywania (generatywnego) zadania uzupełniania 1. Przygotowywanie zbioru danych 1.1. Przygotowywanie danych w formacie JSON 1.2. Konwertowanie danych do formatu JSONL 2. Dostrajanie oryginalnego modelu 3. Uruchamianie dostrojonego modelu GPT 4. Zarządzanie zadaniami dostrajania i dostrojonymi modelami Przed zakończeniem Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 9. Rozbijanie czarnej skrzynki za pomocą narzędzi do interpretacji działania transformerów Wizualizacja działania transformera z użyciem BertViz Uruchamianie BertViz Interpretacja działania transformerów Hugging Face za pomocą narzędzia SHAP Podstawowe informacje o SHAP Wyjaśnienie wyników transformerów Hugging Face z użyciem SHAP Wizualizacja transformera poprzez uczenie słownikowe Współczynniki transformera Wprowadzenie do LIME Interfejs wizualizacji Inne narzędzia interpretacji mechanizmów AI LIT Modele LLM OpenAI wyjaśniają działanie neuronów w transformerach Ograniczenia i kontrola ze strony człowieka Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 10. Badanie roli tokenizerów w kształtowaniu modeli transformerów Dopasowywanie zbiorów danych i tokenizerów Najlepsze praktyki Tokenizacja Word2Vec Badanie tokenizerów zdań i tokenizerów WordPiece w celu zrozumienia wydajności tokenizerów podwyrazów w kontekście ich wykorzystania przez transformery Tokenizery wyrazów i zdań Tokenizery oparte na podwyrazach Badanie tokenizerów w kodzie Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 11. Wykorzystanie osadzeń LLM jako alternatywy dla precyzyjnego dostrajania Osadzenia LLM jako alternatywa dla precyzyjnego dostrajania Od projektowania promptów do inżynierii promptów Podstawy osadzania tekstu za pomocą NLTK i Gensim Instalowanie bibliotek 1. Odczytywanie pliku tekstowego 2. Tokenizacja tekstu z użyciem tokenizera Punkt 3. Osadzanie tekstu za pomocą Gensim i Word2Vec 4. Opis modelu 5. Dostęp do słowa i wektora słów 6. Analiza przestrzeni wektorowej Gensim 7. TensorFlow Projector Implementacja systemów pytań i odpowiedzi z użyciem technik opartych na osadzeniach 1. Instalowanie bibliotek i wybór modeli 2. Implementacja modelu osadzeń i modelu GPT 3.Przygotowywanie danych do wyszukiwania 4. Wyszukiwanie 5. Zadawanie pytania Uczenie transferowe z użyciem osadzeń Ada 1. Zbiór danych Amazon Fine Food Reviews 2. Obliczanie osadzeń Ada i zapisywanie ich w celu ponownego wykorzystania w przyszłości 3. Klasteryzacja 4. Próbki tekstu w klastrach i nazwy klastrów Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 12. Oznaczanie ról semantycznych bez analizy składniowej z wykorzystaniem modelu GPT-4 i ChatGPT Rozpoczynanie pracy z technikami SRL Wprowadzenie do świata AI bez składni Definicja SRL Wizualizacja SRL Eksperymenty SRL z ChatGPT z modelem GPT-4 Prosty przykład Trudny przykład Kwestionowanie zakresu SRL Wyzwania związane z analizą orzeczeń Ponowna definicja SRL Od technik SRL specyficznych dla zadania do emergencji z wykorzystaniem ChatGPT 1. Instalowanie OpenAI 2. Tworzenie funkcji dialogu z GPT-4 3. Uruchamianie żądań SRL Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 13. Zadania generowania streszczeń z użyciem modeli T5 i ChatGPT Projektowanie uniwersalnego modelu tekst - tekst Powstanie modeli transformerów tekst - tekst Prefiks zamiast formatów specyficznych dla zadań Model T5 Tworzenie streszczeń tekstu z użyciem modelu T5 Hugging Face Inicjalizowanie modelu transformera T5 Tworzenie streszczeń dokumentów z użyciem modelu T5 Od transformera tekst - tekst do prognoz nowych słów z użyciem systemu ChatGPT firmy OpenAI Porównanie metod tworzenia streszczeń modelu T5 i systemu ChatGPT Tworzenie streszczeń z użyciem ChatGPT Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 14. Najnowocześniejsze modele LLM Vertex AI i PaLM 2 Architektura Pathways PaLM PaLM 2 Asystenty AI Gemini Google Workspace Google Colab Copilot Interfejs Vertex AI modelu PaLM 2 API PaLM 2 Vertex AI Odpowiadanie na pytania Zadanie typu pytanie - odpowiedź Podsumowanie dialogu Analiza tonu Zadania wielokrotnego wyboru Kod Dostrajanie Utworzenie kontenera Dostrajanie modelu Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 15. Pilnowanie gigantów, czyli łagodzenie zagrożeń związanych z użyciem modeli LLM Powstanie funkcjonalnej sztucznej inteligencji ogólnej (AGI) Ograniczenia instalacji najnowocześniejszych platform Auto-BIG-bench WandB Kiedy agenty AI zaczną się replikować? Zarządzanie zagrożeniami Halucynacje i zapamiętywanie Ryzykowne zachowania emergentne Dezinformacja Wywieranie wpływu na opinię publiczną Treści szkodliwe Prywatność Cyberbezpieczeństwo Narzędzia do łagodzenia zagrożeń z RLHF i RAG 1. Moderowanie wejścia i wyjścia za pomocą transformerów i bazy reguł 2. Budowanie bazy wiedzy dla systemu ChatGPT i modelu GPT-4 3. Parsowanie żądań użytkownika i korzystanie z bazy wiedzy 4. Generowanie zawartości ChatGPT z funkcją obsługi dialogu Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 16. Nie tylko tekst - transformery wizyjne u progu rewolucyjnej sztucznej inteligencji Od modeli niezależnych od zadań do multimodalnych transformerów wizyjnych Transformery wizyjne (ViT) Podstawowa architektura ViT Transformery wizyjne w kodzie CLIP Podstawowa architektura modelu CLIP CLIP w kodzie DALL-E 2 i DALL-E 3 Podstawowa architektura DALL-E Wprowadzenie w tematykę API modeli DALL-E 2 i DALL-E 3 GPT-4V, DALL-E 3 i rozbieżne skojarzenia semantyczne Definicja rozbieżnego skojarzenia semantycznego Tworzenie obrazu z użyciem systemu ChatGPT Plus z DALL-E Wykorzystanie API modelu GPT-4V i eksperymenty z zadaniami DAT Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 17. Przekraczanie granic między obrazem a tekstem z użyciem modelu Stable Diffusion Przekraczanie granic generowania obrazu Część I. Zamiana tekstu na obraz z użyciem modelu Stable Diffusion 1. Osadzanie tekstu za pomocą kodera transformera 2. Tworzenie losowych obrazów z szumami 3. Próbkowanie w dół modelu Stable Diffusion 4. Próbkowanie w górę na poziomie dekodera 5. Wynikowy obraz Uruchamianie implementacji Keras modelu Stable Diffusion Część II. Zamiana tekstu na obraz za pomocą API Stable Diffusion Wykorzystanie modelu Stable Diffusion generatywnej sztucznej inteligencji do wykonania zadania z zakresu skojarzeń rozbieżnych (DAT) Część III. Zamiana tekstu na wideo Zamiana tekstu na wideo z użyciem modeli animacji Stability AI Zamiana tekstu na wideo z użyciem odmiany modelu CLIP firmy OpenAI Zamiana wideo na tekst z użyciem modelu TimeSformer Przygotowywanie klatek wideo Wykorzystanie modelu TimeSformer do tworzenia prognoz na podstawie klatek wideo Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 18. AutoTrain na platformie Hugging Face - szkolenie modeli wizyjnych bez kodowania Cel i zakres tego rozdziału Pierwsze kroki Przesyłanie zestawu danych Bez kodowania? Szkolenie modeli za pomocą mechanizmu AutoTrain Wdrażanie modelu Uruchamianie modeli w celu wnioskowania Pobieranie obrazów walidacyjnych Wnioskowanie: klasyfikacja obrazów Eksperymenty walidacyjne na przeszkolonych modelach Wypróbowywanie skuteczności najlepszego modelu ViT dla korpusu obrazów Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 19. Na drodze do funkcjonalnej ogólnej AI z systemem HuggingGPT i jego odpowiednikami Definicja systemu F-AGI Instalowanie i importowanie bibliotek Zbiór walidacyjny Poziom 1 - łatwy obraz Poziom 2 - trudny obraz Poziom 3 - bardzo trudny obraz HuggingGPT Poziom 1 - łatwy Poziom 2 - trudny Poziom 3 - bardzo trudny CustomGPT Google Cloud Vision Łączenie modeli: Google Cloud Vision z ChatGPT Łączenie modeli z użyciem systemu Runway Gen-2 Midjourney: wyobraź sobie okręt płynący w przestrzeni galaktycznej Gen-2: niech ten statek pływa po morzu Podsumowanie Pytania Odnośniki Lektura uzupełniająca Rozdział 20. Nie tylko prompty projektowane przez człowieka - generatywne kreowanie pomysłów Część I. Definicja generatywnego kreowania pomysłów Zautomatyzowana architektura kreowania pomysłów Zakres i ograniczenia Część II. Automatyzacja projektowania promptów na potrzeby generatywnego projektowania obrazów Prezentacja HTML systemu opartego na ChatGPT z modelem GPT-4 Llama 2 Wykorzystanie modelu Llama 2 z modelem Hugging Face Midjourney Microsoft Designer Część III. Zautomatyzowane generatywne kreowanie pomysłów z użyciem modelu Stable Diffusion 1. Brak promptu, automatyczne instrukcje dla modelu GPT-4 2. Generowanie promptu przez generatywną sztuczną inteligencję z użyciem ChatGPT z modelem GPT-4 3. i 4. Generowanie obrazów przez generatywną sztuczną inteligencję z użyciem modelu Stable Diffusion i ich wyświetlanie Przyszłość należy do Ciebie! Przyszłość programistów dzięki technikom VR-AI Podsumowanie Pytania Odnośniki Lektura uzupełniająca Dodatek. Odpowiedzi na pytania Skorowidz O autorze: Denis Rothman graduated from Sorbonne University and Paris-Diderot University, designing one of the very first word2matrix patented embedding and patented AI conversational agents. He began his career authoring one of the first AI cognitive natural language processing (NLP) chatbots applied as an automated language teacher for Moët et Chandon and other companies. He authored an AI resource optimizer for IBM and apparel producers. He then authored an advanced planning and scheduling (APS) solution used worldwide.