Sie können generative KI-Lösungen mit Basismodellen in IBM watsonx.aientwickeln. Sie können Prompts erstellen, um Inhalte aus Ihrem Eingabetext zu generieren, zu klassifizieren, zusammenzufassen oder zu extrahieren. Wählen Sie zwischen IBM und Open-Source-Modellen. Sie können Basismodelle optimieren, um Ihre Eingabeaufforderungsausgabe anzupassen oder die Inferenzleistung zu optimieren.
Basismodelle sind große KI-Modelle, die Milliarden von Parametern haben und auf Terabyte an Daten trainiert werden. Basismodelle können verschiedene Tasks ausführen, einschließlich Text, Code oder Bildgenerierung, Klassifizierung, Konversation und mehr. Große Sprachmodelle sind eine Untergruppe von Basismodellen, die Text-und Codetasks ausführen können. Watsonx.ai verfügt über eine Reihe von bereitgestellten großen Sprachmodellen, die Sie testen können. Details finden Sie unter Unterstützte Basismodelle.
Basismodellarchitektur
Basismodelle stellen eine grundlegend andere Modellarchitektur und einen anderen Zweck für KI-Systeme dar. Das folgende Diagramm zeigt den Unterschied zwischen traditionellen KI-Modellen und Basismodellen.
Wie im Diagramm gezeigt, sind traditionelle KI-Modelle auf bestimmte Tasks spezialisiert. Die meisten traditionellen KI-Modelle werden mithilfe von maschinellem Lernen erstellt, was ein großes, strukturiertes, gut beschriftetes Dataset erfordert, das eine bestimmte Aufgabe umfasst, die Sie bewältigen möchten. Diese Datasets müssen häufig manuell abgeleitet, kuratiert und beschriftet werden. Dies ist ein Job, der Personen mit Fachwissen erfordert und Zeit benötigt. Nach dem Training kann ein traditionelles KI-Modell eine einzige Aufgabe gut erledigen. Das traditionelle KI-Modell nutzt das, was es aus Mustern in den Trainingsdaten lernt, um Ergebnisse in unbekannten Daten vorherzusagen. Sie können Modelle für maschinelles Lernen für Ihre speziellen Anwendungsfälle mit Tools wie AutoAI und Jupyter-Notebooks erstellen und anschließend bereitstellen.
Im Gegensatz dazu werden Basismodelle auf großen, vielfältigen, unbezeichneten Datasets trainiert und können für viele unterschiedliche Aufgaben verwendet werden. Basismodelle wurden zuerst verwendet, um Text zu generieren, indem das wahrscheinlichste nächste Wort in Übersetzungstasks in natürlicher Sprache berechnet wurde. Modellprovider lernen jedoch, dass Basismodelle, wenn sie mit der richtigen Eingabe aufgefordert werden, verschiedene andere Aufgaben gut ausführen können. Anstatt eigene Basismodelle zu erstellen, verwenden Sie vorhandene bereitgestellte Modelle und Ingenieuraufforderungen, um die gewünschten Ergebnisse zu generieren.
Methoden für die Arbeit mit Basismodellen
Die Möglichkeiten und Anwendungsmöglichkeiten von Basismodellen werden gerade erst entdeckt. Untersuchen und validieren Sie Anwendungsfälle mit Basismodellen in watsonx.ai , um vorhandene Prozesse zu automatisieren, zu vereinfachen und zu beschleunigen oder einen neuen Nutzen zu schaffen.
Sie können wie folgt mit Basismodellen interagieren:
- Entwickeln Sie Prompts und Schlussfolgerungen, die direkt in Fundamentmodellen eingesetzt werden, indem Sie das Prompt Lab verwenden
- Programmatische Inferenz von Basismodellen mit Hilfe der Python oder der watsonx.ai API
- Abstimmen von Stiftungsmodellen, um eine Ausgabe in einem bestimmten Stil oder Format zu erhalten, mit Hilfe des Tuning Studio