ChatGPT را برای موارد استفاده خاص تنظیم کنید

هوش مصنوعی مکالمه در زمینه های مختلف، از خدمات مشتری گرفته تا دستیاران مجازی، به طور فزاینده ای محبوب می شود. با این حال، برای دستیابی به بهترین عملکرد در یک مورد خاص، ChatGPT را با مدل زبان اصلی تنظیم کنید.

در این مقاله، نحوه استفاده از ChatGPT را برای بهبود توانایی‌های مکالمه آن برای یک مورد خاص بررسی خواهیم کرد.

چرا ChatGPT را دقیق تنظیم کنیم؟

تنظیم دقیق ChatGPT مستلزم آموزش مجدد مدل بر روی یک مجموعه داده سفارشی است که نشان دهنده کار مورد نظر است. این مجموعه داده را می توان از راه های مختلفی از جمله چت زنده، تعامل با مصرف کننده و گفتگوهای شبیه سازی شده به دست آورد. سپس داده‌های جمع‌آوری‌شده از قبل پردازش می‌شوند تا اطمینان حاصل شود که تمیز، ناشناس و به‌درستی قالب‌بندی شده‌اند تا ثبات و حریم خصوصی حفظ شود.

مدل ChatGPT تنظیم دقیق

ایجاد مورد استفاده: این امر مستلزم درک روشنی از هدف مورد نظر و اهدافی است که باید برآورده شوند. ChatGPT را می توان برای اهداف مختلفی سفارشی کرد، از جمله تجزیه و تحلیل احساسات، ترجمه زبان، پاسخ به سؤال و موارد دیگر. با شناسایی موارد استفاده خاص، اصلاح قابلیت‌های ChatGPT و دریافت بهترین نتایج مورد نیاز آسان‌تر است.

استخراج و پیش پردازش داده ها: این اطلاعات باید مربوط به مورد استفاده ای باشد که در Create the use case شناسایی کرده اید. همچنین باید قالب بندی شده و تمیز باشد.

داده‌ها را برای آموزش آماده کنید: این کار با تقسیم داده‌ها به مجموعه‌های آموزشی، اعتبارسنجی و آزمایش انجام می‌شود. مجموعه آموزشی برای آموزش مدل، مجموعه اعتبارسنجی برای ارزیابی عملکرد مدل در طول آموزش، و مجموعه تست برای ارزیابی عملکرد مدل پس از تکمیل آموزش استفاده خواهد شد.

تنظیم دقیق مدل: این امر مستلزم آموزش مدل ChatGPT از پیش آموزش دیده در مورد داده های جمع آوری شده در داده های استخراج و پیش پردازش است. از آنجا که فراپارامترهایی که استفاده می‌کنید بر عملکرد مدل تأثیر می‌گذارند، ممکن است لازم باشد برای یافتن مجموعه ایده‌آل ابرپارامترها آزمایش کنید.

تحقیق در مورد مدل: پس از تنظیم دقیق مدل chatgpt، می‌توانید آن را در مجموعه آزمایشی به سرعت اجرا کنید. این به شما در تعیین اینکه آیا مدل برای استقرار آماده است یا خیر کمک می کند.

نصب مدل: بعد از اینکه از عملکرد آن راضی بودید، می‌توانید مدل را به تولید بفرستید. این مستلزم در دسترس قرار دادن مدل برای کاربر است تا بتواند با آن تعامل داشته باشد.

• GPT-3 پیش آموزش قابل توجهی را در مورد مجموعه بزرگی از داده های متنی آنلاین دریافت کرده است. اغلب می تواند کار اساسی را درک کند و تنها با چند نمونه به عنوان یک پیشنهاد، تکمیل های واقع بینانه ایجاد کند.
• این قابلیت که به آن “یادگیری چند مرحله ای” گفته می شود، مهارت های تعمیم عالی مدل را نشان می دهد.
• تنظیم دقیق، از سوی دیگر، یادگیری چند شات را با آموزش مدل بر روی تعداد قابل توجهی از نمونه‌ها که از ظرفیت درخواست فراتر می‌رود، گسترش می‌دهد.
• این روش عملکرد را در طیف وسیعی از وظایف بهبود می بخشد. پس از تنظیم دقیق، دیگر نیازی به ارائه نمونه‌هایی در داخل اعلان نیست، که منجر به صرفه‌جویی در هزینه و زمان پاسخگویی سریع‌تر می‌شود.

تنظیم محیط برای تنظیم دقیق ChatGPT  

برای تنظیم دقیق ChatGPT، ابتدا باید یک کلید OpenAI API ایجاد کنید. برای ایجاد یک کلید API، این مراحل را دنبال کنید:

پیروی از این مراحل به شما امکان می‌دهد یک کلید API ایجاد کنید، که باید با OpenAI API رابط داشته باشید و از قابلیت‌های ChatGPT استفاده کنید.

نصب

پس از ایجاد یک کلید API، کتابخانه OpenAI Python باید نصب شود. این ماژول ارسال پرس و جو به API و عملکرد با نتایج را آسان می کند. برای نصب کتابخانه OpenAI Python، از مدیر بسته pip با استفاده از دستور زیر استفاده کنید:

openai نصب پیپ

ایجاد اولین درخواست API

وقتی کلید API خود را دریافت کردید، می‌توانید اجرای پرس‌وجوهای API را در ChatGPT آغاز کنید. برای انجام این کار باید از ابزاری مانند Postman یا curl استفاده کنید.

در اینجا نمونه ای از درخواست API به ChatGPT آمده است:

وارد کردن openai
# کلید API خود را تنظیم کنید
openai.api_key = "YOUR_API_KEY"
# یک شی تکمیل ایجاد کنید
تکمیل = openai.Completion.create(
 
engine="text-davinci-003"،
prompt="معنای زندگی آرام چیست؟"
)
# پاسخ را از API دریافت کنید
answer = completion.get("انتخاب ها")[0].text
# پاسخ را چاپ کنید
چاپ (پاسخ)

چگونه ChatGPT را برای یک مورد خاص تنظیم کنیم؟

با استفاده از کد داده شده، می‌توانید هر سؤالی را از مدل ChatGPT بپرسید یا درخواستی برای تکمیل یا تولید آن ارائه دهید.

بیایید اعلان را برای پرسش مدل تغییر دهیم، “معنای زندگی آرام چیست؟“

"prompt": "هنگامی که این کد اجرا می‌شود، از مدل پرسیده می‌شود: «معنای زندگی آرام چیست؟» بر اساس آموزش و تخصص خود پاسخی ایجاد می‌کند. پاسخ برای شما چاپ می‌شود تا تفسیر مدل از معنای زندگی را ببینید.
اعلام را به متن یا سؤالی که می‌خواهید از مدل ChatGPT بپرسید تغییر دهید. به سادگی متن مورد نظر خود را با متغیر prompt جایگزین کنید، و مدل بسته به آن ورودی، یک تکمیل یا پاسخ خواهد ساخت.
همچنین می‌توانید از این برنامه برای تبدیل فایل‌ها در قالب‌های CSV، TSV، XLSX، JSON، یا JSONL به یک مجموعه داده آماده با تنظیم دقیق استفاده کنید.
Fine Tune ChatGPTModel
تنظیم دقیق مرحله مهمی در توسعه مدل‌های ChatGPT است زیرا به مدل از پیش آموزش‌دیده اجازه می‌دهد تا با موقعیت‌های استفاده خاص سازگار شود. تغییر پارامترهای مدل برای تطبیق با مجموعه داده‌های متمرکزتر و کوچک‌تر به آن امکان می‌دهد تخصص ویژه دامنه را به دست آورد.
کار تنظیم دقیق خود را با استفاده از دستور زیر شروع کنید.
openai api fine_tunes.create -t ​​ -m 
 BASE_MODEL یک مدل ChatGPT است که می‌خواهید از آن شروع کنید (آدا، بابیج، کوری یا داوینچی).
در حال آماده سازی مجموعه داده آموزشی شما
هنگام تهیه داده های آموزشی خود، نکات زیر را رعایت کنید:
کیفیت: کیفیت داده‌های آموزشی شما بسیار مهم است. اگر می خواهید مدل تنظیم شده شما به درستی کار کند، باید از داده های با کیفیت بالا استفاده کنید. این بدان معنی است که داده ها باید دقیق، کامل و مرتبط با وظیفه ای باشند که ChatGPT برای آن آموزش داده شده است.
کمیت: مقدار داده‌های آموزشی که دارید نیز ضروری است. به طور کلی، هرچه داده های بیشتری جمع آوری کنید، مدل شما دقیق تر خواهد بود. با این حال، آستانه بازدهی کاهش می یابد که در آن افزودن داده های بیشتر عملکرد مدل را به میزان قابل توجهی افزایش نمی دهد.
قالب: داده‌های آموزشی شما باید در قالبی باشد که OpenAI API می‌پذیرد. 
قالب JSON توسط اسناد Chat-GPT3 API توصیه شده است:
"prompt": ""}
{"prompt": ""}
ChatGPT یک مدل همه کاره است که ممکن است برای کارهای مختلفی مانند پاسخ به سؤالات، خلاصه کردن مطالب، و ساخت ربات‌های گفتگو استفاده شود. برای به دست آوردن بهترین نتایج برای هر برنامه، داده های آموزشی و رویکردهای تنظیم دقیق باید بر اساس آن تنظیم شوند.
روش ChatGPT تنظیم دقیق
پس از آماده سازی داده های آموزشی، می توانید با ایجاد یک مدل جدید با ماژول OpenAI Python، فرآیند تنظیم دقیق را آغاز کنید. برای شروع، مراحل زیر را دنبال کنید:

ماژول‌های openai، json و time وارد می‌شوند.
کلید API تنظیم شده است.
داده های آموزشی از یک فایل بارگیری می شود.
یک مدل جدید بر اساس مدل پایه ای که می خواهید تنظیم کنید ایجاد می کند.
منتظر تکمیل تنظیم دقیق مدل است.
وقتی تنظیم دقیق به پایان رسید، یک پیام تکمیل را همانطور که در کد زیر ذکر شده است خواهید دید.
برای اجرای این کد، جای جای YOUR_API_KEY را با کلید API خود جایگزین کنید.

وارد کردن openai
json را وارد کنید
زمان واردات
# کلید API خود را تنظیم کنید
openai.api_key = "YOUR_API_KEY"
# داده های آموزشی خود را بارگیری کنید
با open("training_data.json", "r") به صورت f:
training_data = json.load(f)
# مدل جدیدی را با مدل پایه ای که می خواهید تنظیم کنید، راه اندازی کنید
model = "text-davinci-002"
fine_tuned_model = openai.Model.create(
مدل=مدل،
fine_tune=درست است،
training_data=training_data
)
# منتظر بمانید تا تنظیم دقیق مدل به پایان برسد
در حالی که fine_tuned_model.status()["data"]["ready"] False است:
time.sleep (30)
fine_tuned_model = openai.Model.retrieve(fine_tuned_model.id)
print ("تنظیم دقیق کامل شد") 
هنگامی که کد بالا اجرا شد، یک مدل ChatGPT تنظیم شده خواهید داشت تا برای اهداف خود از آن استفاده کنید.
استقرار مدل
این کد موارد زیر را انجام می دهد:

ماژول openai وارد شده است.
کلید API تنظیم شده است.
شناسه مدل دقیق تنظیم شده برای ایجاد یک شی مدل جدید استفاده می شود.
برای ایجاد متن، یک درخواست API به مدل ارسال می‌کند.
پاسخ چاپ شده است.

# کلید API خود را تنظیم کنید
واردات openai
# یک شی مدل جدید با استفاده از شناسه مدل تنظیم شده ایجاد کنید
model_id = "YOUR_FINE_TUNED_MODEL_ID"
model = openai.Model(model_id)
# برای تولید متن از مدل درخواست API کنید
prompt = "معنای زندگی چیست؟"
answer = model.generate(prompt)
# پاسخ را چاپ کنید
print(response.choices[0].text)
برای اجرای این کد، مکان‌نمای YOUR_FINE_TUNED_MODEL_ID را با شناسه مدلی که قبلاً هنگام ایجاد استفاده می‌کردید جایگزین کنید.
پس از اجرای کد، پاسخ مدل ChatGPT با تنظیم دقیق را خواهید دید.
توجه: لطفاً به خاطر داشته باشید که حتی پس از تنظیم قابل توجه، پاسخ مدل ممکن است کامل نباشد. برای دستیابی به نتایج مورد نظر، ممکن است نیاز داشته باشید که مدل را به دقت تنظیم کنید یا ابرپارامترها را تغییر دهید.
نکاتی برای استقرار یک مدل ChatGPT تنظیم شده

مطمئن است که مدل در یک محیط قابل اعتماد میزبانی می شود.
افراد غیرمجاز را خارج از مدل نگه دارید.
عملکرد مدل را زیر نظر داشته باشید و تغییرات مناسب را اعمال کنید.

همچنین بخوانید: همچنین ممکن است راهنمای ما را در دریافت کنید. سرویس
نتیجه گیری
در نهایت، تنظیم دقیق ChatGPT برای یک مورد خاص، راهی عالی برای اصلاح قابلیت‌های مدل و بهبود عملکرد آن است. با آموزش داده‌های دامنه خاص، این مدل می‌تواند پاسخ‌های دقیق‌تر و مرتبط‌تری ارائه دهد، تجربه کاربر را بهبود بخشد و تعاملات روان در بخش‌های تخصصی را امکان‌پذیر کند.
لطفاً نظرات و بازخورد خود را در بخش نظرات زیر به اشتراک بگذارید.