Generative pre-trained transformer
Generative pre-trained transformer или GPT (рус. Генеративный предобученный трансформер) — это тип нейронных языковых моделей, впервые представленных компанией OpenAIШаблон:Нет АИ, которые обучаются на больших наборах текстовых данных, чтобы генерировать текст, схожий с человеческим. Предобучение относится к начальному процессу обучения на корпусе, в результате которого модель учится предсказывать следующее слово в тексте и получает основу для успешного выполнения дальнейших задач, не имея больших объёмов данных. GPT являются «трансформерами», которые представляют собой тип нейросетей, использующих механизм самосвязываемости для обработки последовательных данных. Они могут быть дообучены для различных задач обработки естественного языка (NLP), таких как генерация текста, машинный перевод и классификация текста.
Языковые модели GPT от OpenAI
Шаблон:Further 11 июня 2018 года компания OpenAI опубликовала статью под названием «Improving Language Understanding by Generative Pre-Training», в которой был представлен Генеративный предобученный трансформер (GPT)[1]. До этого момента лучшие нейронные модели обработки естественного языка в основном использовали обучение с учителем на больших объёмах вручную размеченных данных. Это ограничивало их применение на недостаточно размеченных наборах данных, а также делало крайне дорогим и времязатратным обучение очень больших языковых моделей[2]. Кроме того, многие языки (такие как суахили или гаитянский креольский) были трудны в переводе и интерпретации с помощью таких моделей из-за отсутствия достаточного количества текстов на данных языках[2]. Предложенный OpenAI подход Шаблон:Не переведено 3 обучения на основе модели GPT включает два этапа:
- несобственное генеративное «предварительное» обучение, на котором устанавливаются начальные параметры путем обучения модели языковым моделированием
- собственное Шаблон:Не переведено 3 «дообучающее» обучение, на котором эти параметры адаптируются к конкретной задаче.
| Использование | Архитектура | Количество параметров | Тренировочные данные | Дата выпуска | |
|---|---|---|---|---|---|
| GPT-1 | Общее | 12-уровневый декодер-трансформер с 12 головками (без кодировщика), за которым следует линейный софтмакс. | 117 миллионов | BookCorpus: 4,5 ГБ текста из 7000 неизданных книг разных жанров.[3] | 11 июня 2018[4] |
| Шаблон:Не переведено 3 | Общее | GPT-1, но с изменённой Шаблон:Не переведено 3. | 1,5 миллиарда (Шаблон:Рост1 273 000 %) | WebText: 40 ГБ текста и 8 миллионов документов из 40 миллионов веб-страниц, за которые проголосовали на Reddit. | 14 февраля 2019 |
| GPT-3 | Общее | GPT-2, но с изменениями для возможности масштабирования в большем объёме. | 175 миллиардов (Шаблон:Рост11 566 %) | 570 ГБ обычного текста, 0,4 трлн токенов. В основном содержит данные из наборов данных CommonCrawl, WebText, английской Википедии, а также BookCorpus. | 11 июня 2020[5] |
| InstructGPT (GPT-3.5) | Разговор | GPT-3, Шаблон:Не переведено 3 для выполнения инструкций с использованием обратной связи с человеком. | 175 миллиардов[6] | Шаблон:Dunno | 4 марта 2022 |
| ChatGPT | Диалог | Использует GPT-3.5 и Шаблон:Не переведено 3 (подход к Шаблон:Не переведено 3) как с обучением с учителем, так и с RLHF (обучение с подкреплением на основе отзывов людей). | Шаблон:Dunno | Шаблон:Dunno | 30 ноября 2022 |
| GPT-4 | Общее | Также обучен на основе предсказания текста и основан на обучении с подкреплением. Принимает как текст, так и изображения. Дополнительные подробности не разглашаются.[7] | Шаблон:Dunno | Шаблон:Dunno | 14 марта 2023 |
Другие (производные) модели GPT
После того, как OpenAI выпустила свою модель GPT-3, EleutherAI выпустила ряд больших языковых моделей (LLM) с открытым исходным кодом, и её модель GPT-J привлекла значительное внимание как альтернативная. С этих пор появляются новые языковые модели на основе GPT.
| Использование | Архитектура | Количество параметров | Тренировочные данные | Дата выпуска | Разработчик | |
|---|---|---|---|---|---|---|
| GPT-J | Общее | Параллельный декодер | 6 миллиардов | Набор данных объёмом 825 ГБ с открытым исходным кодом (называемый «кучей») | 9 июня 2021 | EleutherAI |
| BLOOM | Общее | Трансформер только для декодера | 176 миллиардов | Данные 46 естественных языков и 13 языков программирования; Всего 1,6 терабайт предварительно обработанного текста. | 6 июля 2022 | Hugging Face |
| BioGPT | Биомедицинский контент[8][9] | Как в GPT-2 Medium (24 слоев, 16 головок) | 347 миллионов | Непустые записи из PubMed (всего 1,5 миллиона). | 24 сентября 2022 | Microsoft |
Примечания
- ↑ Radford, Alec; Narasimhan, Karthik; Salimans, Tim; Sutskever, Ilya Improving Language Understanding by Generative Pre-Training 12. OpenAI (11 июня 2018). Дата обращения: 23 января 2021. Архивировано 26 января 2021 года.
- ↑ 2,0 2,1 Tsvetkov, Yulia Opportunities and Challenges in Working with Low-Resource Languages. Carnegie Mellon University (22 июня 2017). Дата обращения: 23 января 2021. Архивировано 31 марта 2020 года.
- ↑ Шаблон:Cite conference
- ↑ Radford, Alec; Narasimhan, Karthik; Salimans, Tim; Sutskever, Ilya Improving Language Understanding by Generative Pre-Training 12. OpenAI (11 июня 2018). Дата обращения: 23 января 2021. Архивировано 26 января 2021 года.
- ↑ Language models are few-shot learners (амер. англ.). openai.com. Дата обращения: 21 марта 2023. Архивировано 21 марта 2023 года.
- ↑ Шаблон:Cite journal
- ↑ OpenAI GPT-4 Technical Report (2023). Дата обращения: 16 марта 2023. Архивировано 14 марта 2023 года.
- ↑ Шаблон:Cite journal
- ↑ Matthias Bastian. BioGPT is a Microsoft language model trained for biomedical tasks. The Decoder (29 января 2023). Дата обращения: 7 февраля 2023. Архивировано 7 февраля 2023 года.
Ссылки
