Przetwarzanie
Modele językowe
Modele językowe to zaawansowane systemy AI, które potrafią rozumieć, interpretować i generować język ludzki. Modele te są trenowane na ogromnych zbiorach danych tekstowych i uczą się wzorców, kombinacji słów, struktur zdań, a nawet subtelności różnych języków i sposobów ich użycia. Rdzeniem wielu nowoczesnych modeli językowych jest architektura transformer, która wykorzystuje mechanizmy samo-uwagi do określania, które części tekstu są ważne w danym kontekście.
Podczas przetwarzania języka modele te stosują metody statystyczne, aby przewidzieć najbardziej prawdopodobne kolejne słowo lub zdanie w tekście. Potrafią rozumieć kontekst na długich fragmentach tekstu, dzięki czemu generują nie tylko gramatycznie poprawne, ale także merytorycznie spójne i istotne teksty.
Przy użyciu modelu językowego, na przykład w chatbotach lub generatorach tekstu, model otrzymuje określone prompt lub dane początkowe i na ich podstawie generuje tekst, który logicznie wynika z podanego kontekstu. Celem tych modeli jest produkowanie tekstu, który jak najbardziej przypomina ludzki, zarówno pod względem treści, jak i stylu.
Modele tekst-na-obraz
Modele tekst-na-obraz to systemy AI zdolne do generowania wizualnych reprezentacji, takich jak zdjęcia, ilustracje lub inne typy obrazów, na podstawie pisemnych opisów tekstowych. Modele te wykorzystują zaawansowane sieci neuronowe, a w szczególności generatywne sieci przeciwstawne (GAN) lub ich warianty, takie jak modele dyfuzyjne.
Proces zaczyna się od wprowadzonego przez użytkownika opisu tekstowego. Model ocenia ten tekst i stara się zrozumieć jego znaczenie oraz kontekst. Następnie generuje obrazy odpowiadające opisowi tekstowemu, korzystając z wiedzy zdobytej podczas treningu, który odbywał się na ogromnych zbiorach par tekst-obraz.
Podczas treningu model uczy się powiązań między opisami tekstowymi a cechami wizualnymi. Na przykład, jeśli model wielokrotnie widzi frazę „żółte słońce nad niebieskim morzem” wraz z obrazami ilustrującymi ten scenariusz, uczy się rozpoznawać i odtwarzać te elementy w przyszłych kreacjach obrazów.
Efektem są często zaskakująco dokładne i szczegółowe obrazy, które odpowiadają wprowadzonemu opisowi tekstowemu. Modele te stają się coraz bardziej wyrafinowane i potrafią przedstawiać złożone scenariusze z wieloma obiektami i abstrakcyjnymi koncepcjami. Są wykorzystywane w szerokim zakresie zastosowań, w tym w twórczości artystycznej, projektowaniu gier, rzeczywistości wirtualnej i innych.
Modele udostępniane przez AI-School
Ważne jest, aby zrozumieć, że AI-School udostępnia różne modele AI, które są zawarte w centralnym katalogu modeli. Modele te są oferowane przez zewnętrznych dostawców za pośrednictwem API. API, czyli Application Programming Interface, to zestaw reguł i definicji umożliwiających komunikację między programami komputerowymi. Działa jak rodzaj „języka”, który programy rozumieją, aby wymieniać informacje i wywoływać funkcje. AI-School nie posiada własnych modeli językowych, modeli tekst-na-obraz ani modeli tekst-na-mowę.
Nie ponosimy odpowiedzialności za wyniki różnych modeli. Zwróciliśmy jednak uwagę na wybór najlepszych i najciekawszych modeli dla szkół.
Procedura przetwarzania zgodnie z DPIA
DPIA opisuje podstawową procedurę generowania odpowiedzi w następujący sposób:
- Użytkownik wprowadza prompt na portalu AI-School.
- Prompt jest zapisywany w bazie danych AI-School.
- AI-School przekazuje prompt do wybranego modelu AI za pomocą połączenia API i ogólnego konta, bez powiązania z kontem AI-School.
- Dane konta i administracji uczniów nie są automatycznie przekazywane do modelu.
- Odpowiedź modelu AI jest zwracana do AI-School.
- Odpowiedź jest zapisywana w bazie danych AI-School.
- Odpowiedź jest prezentowana użytkownikowi.
AI-School nie przesyła automatycznie danych konta i administracji uczniów do modelu AI. Model otrzymuje jednak zawartość promptu bez powiązania z kontem AI-School. Użytkownik może samodzielnie umieścić dane osobowe w prompt; w takim przypadku dane te mogą być przetwarzane przez wybrany model AI.
Dodatkowy kontekst
W funkcjach takich jak czatowanie z dokumentami, multimodalne wejście lub niektóre narzędzia, prompt może być uzupełniany o kontekst wybrany przez użytkownika, taki jak fragmenty dokumentów, obrazy lub wyniki wyszukiwania. Ten kontekst również jest przekazywany do modelu bez powiązania z identyfikowalnym użytkownikiem, ale zawartość może zawierać dane osobowe, jeśli użytkownik sam je dodał.
