nouvelles

La concurrence pour les clients entreprises s'intensifie ! OpenAI permettra aux entreprises de personnaliser leurs modèles d'IA les plus puissants

2024-08-21

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Auteur de cet article : Du Yu

Source : IA dure

Le mardi 20 août, OpenAI a annoncé le lancement d'un « service de personnalisation personnalisé » pour les entreprises clientes, ce qui signifie qu'elles peuvent utiliser les données de leur propre entreprise pour « affiner » le modèle d'IA actuellement le plus puissant d'OpenAI, le GPT-4o.

Certains analystes affirment que pour le modèle phare actuel d’OpenAI, le réglage fin est une toute nouvelle fonction. Ni GPT-4o ni son prédécesseur GPT-4 n’ont fourni de fonctions de réglage précis auparavant.Cette dernière décision illustre la concurrence intensifiée entre les principales sociétés de développement de modèles d’IA pour les entreprises clientes.

À l’heure actuelle, la concurrence entre les start-ups pour les produits commerciaux d’IA devient de plus en plus féroce, et les entreprises clientes sont également confrontées à une pression croissante pour prouver qu’elles peuvent obtenir des retours considérables sur leurs investissements en IA.

Les concurrents d'OpenAI, en particulier Google et Microsoft, offrent la possibilité de personnaliser les modèles d'intelligence artificielle. OpenAI a publié une API de réglage fin en libre-service pour le modèle GPT-3 en 2023 et a lancé le réglage fin du mini modèle GPT-4o, moins cher. Juillet de cette année. En outre, le réglage fin des modèles d’IA a également donné naissance à des « intermédiaires » tels que Cloudera qui aident les entreprises à former des modèles généraux basés sur des ensembles de données dans des domaines spécifiques.

Olivier Godement, responsable du produit API d'OpenAI, a déclaré aux médias qu'OpenAI espère aider les utilisateurs d'entreprise à adapter plus facilement leurs modèles les plus puissants en travaillant directement avec eux, plutôt que d'utiliser des services externes ou des produits de modèles plus faibles : « Nous avons toujours mis l'accent sur la réduction des barrières. à l’entrée, réduisant ainsi les frictions et la quantité de travail requise pour démarrer.

Afin d'affiner un modèle, les clients doivent télécharger des ensembles de données spécifiques sur les serveurs d'OpenAI,OpenAIL'annonce du site officiel mettait l'accent sur "la confidentialité et la sécurité des données".

« Le modèle affiné est entièrement sous votre contrôle et vous êtes propriétaire de vos données commerciales, y compris toutes les entrées et sorties. Cela garantit que vos données ne sont jamais partagées ou utilisées pour entraîner d'autres modèles.
Nous avons également mis en œuvre des mesures d'atténuation de sécurité à plusieurs niveaux pour les modèles affinés afin de garantir qu'ils ne puissent pas être utilisés à mauvais escient. Par exemple, nous effectuons en permanence des évaluations de sécurité automatisées de modèles affinés et surveillons l'utilisation pour garantir que les applications respectent nos politiques d'utilisation. "

L'ingénieur logiciel OpenAI, John Allard, responsable de la personnalisation du modèle, a déclaré que la formation au réglage fin prend en moyenne une à deux heures. Semblable à GPT-4o mini, les utilisateurs ne peuvent initialement utiliser que des données textuelles pour affiner le modèle. et ne peut pas utiliser d’images ou d’autres contenus.

L'annonce officielle d'OpenAI indique que les versions personnalisées après un réglage fin de GPT-4o peuvent améliorer les performances et la précision des applications. La fonctionnalité de réglage fin de GPT-4o est désormais disponible pour tous les développeurs à tous les niveaux d'utilisation payante.

En termes de coûts,La formation de réglage fin GPT-4o coûte 25 $ par million de jetons, l'inférence coûte 3,75 $ par million de jetons d'entrée et 15 $ par million de jetons de sortie, mais cela coûtera tous les jours jusqu'au 23 septembre. Une organisation fournit 1 million de jetons de formation gratuitement. Le réglage fin de GPT-4o mini fournira 2 millions de jetons de formation gratuits chaque jour jusqu'au 23 septembre.

Le réglage fin du modèle fait référence à l'ajustement et à l'optimisation des paramètres d'un grand modèle général pré-entraîné pour des tâches ou des ensembles de données spécifiques afin d'améliorer les performances du modèle dans des types spécifiques de tâches ou de domaines. Selon Baidu Smart Cloud :

Bien que les grands modèles pré-entraînés disposent de puissantes capacités générales, ils sont souvent incapables de résoudre des problèmes complexes dans des domaines spécifiques. La mise au point revient à compléter et à renforcer les connaissances professionnelles sur la base des connaissances générales, ce qui rend le modèle plus « terre-à-terre » et mieux à même de résoudre des problèmes pratiques.
Le réglage fin du modèle permet au modèle de s'adapter rapidement aux nouvelles tâches et d'améliorer l'exécution et la précision des tâches tout en conservant les connaissances d'origine grâce à une optimisation ciblée. Ce processus accélère non seulement l’application de la technologie de l’IA, mais réduit également le coût et le seuil de développement du modèle.

OpenAI a déclaré que la fonction de réglage fin de GPT-4o est l'une des fonctionnalités les plus attendues par les développeurs. Un réglage précis peut avoir un impact considérable sur les performances du modèle dans tous les domaines, du codage à l'écriture créative. Et OpenAI continue d'investir dans l'élargissement des options de personnalisation de ses modèles pour les développeurs :

Les développeurs peuvent désormais affiner GPT-4o à l’aide d’ensembles de données personnalisés pour obtenir des performances supérieures à moindre coût et répondre aux besoins de cas d’utilisation spécifiques. Le réglage fin permet aux modèles de personnaliser la structure et le ton des réponses ou de suivre des instructions complexes spécifiques à un domaine. Les développeurs peuvent produire des résultats puissants pour leurs applications en utilisant seulement quelques dizaines d'exemples issus de l'ensemble de données de formation.