مقارنة بين نماذج GP4 والنماذج الجديدة من Cloud: اختيار الأفضل

تقدم ثوري في مجال الذكاء الاصطناعي: عائلة Cloud 3 Model

• مرحبًا، هنا ديف. إذا كنت مهتمًا إلى حد ما بالذكاء الاصطناعي، فقد فتحت المتصفح أو أمسكت بالهاتف، فربما رأيت الإصدار الجديد لعائلة Cloud 3 Model. الآن، ما يحدث في فضاء الذكاء الاصطناعي لا يمكننا مجرد مواكبته، منذ أسبوعين كانت جوجل تتفوق على GP4 في جميع المجالات، والآن لدينا مرة أخرى إنتروبيك تدعي إذا نلقي نظرة على الشحنات فسنجد ترقيات جديدة بكافة الأنواع. فما يعنيه هذا بالنسبة لي كمهندس ذكاء اصطناعي، الذي يستخدم هذه النماذج اللغوية الكبيرة بمهنية لعملاء أعمل معهم حاليًا، وأيضًا في المستقبل، أن علينا التبديل والتكيف باستمرار من أجل معرفة أفضل النماذج لحالة استخدام معينة حيث يتعين علينا النظر في الأداء والذكاء والسرعة والتكاليف وجميع تلك الأمور. حتى الآن، لم أكن أستخدم سوى GP4 وGPT 3.5 للمشاريع التي أعمل عليها لعملائي، ولكن الآن أصل إلى هذه المرحلة التي لدي فيها الوصول أيضًا إلى CLTH، ومع هذه الادعاءات الجديدة هنا.

تقدم ثوري في مجال الذكاء الاصطناعي: عائلة Cloud 3 Model

مقارنة بين نماذج GP4 والنماذج الجديدة من Cloud: تسهيل عملية التبديل بين النماذج

• قررت أن أجري مقارنة سريعة بين نموذج GP4 ونماذج Cloud الجديدة، بالإضافة إلى ماهية سير العمل للمطورين. قمت أيضًا بإعداد العديد من المشاريع التي قد تحتاج إلى استخدام تقنيات OpenAI ونماذج GPT. كيف يمكننا تبديل النماذج بسهولة دون تعقيد؟ لدي بعض الشفرات هنا التي سأجعلها متاحة أيضًا. لدي خدمتي Azure OpenAI وEntropic، سنقوم بإعداد بسيط وتوفير بيئة مثالية بسيطة لإنشاء LinkedIn.

مقارنة بين نماذج GP4 والنماذج الجديدة من Cloud: تسهيل عملية التبديل بين النماذج

فوائد استخدام نموذج LLM لإنشاء المحتوى

• نحن سنستخدم نموذج LLM لإنشاء المحتوى وما أنا مهتم به بشكل خاص هو الإخراج المنظم وجودة هذه النماذج. لقد لاحظت في الآونة الأخيرة أنه عندما ننظر هنا إلى هذه النماذج، إذا تذكرتم يوم فتح OpenAI، كان بالفعل منذ بعض الوقت أحد التحديثات الهائلة كانت نمط Jason، وبالنسبة إلي على الأقل، لا أعرف عنكم، كان هذا مفيدًا جدًا من حيث توجيه نماذج LLM لتوفير إخراج Json موثوق. أولاً هو أن عليك فقط أن توجه النموذج بطريقة معينة لتقديم الناتج بتنسيق Json. حتى أصبح هذا الأمر هو الافتراضي بالنسبة لي، حيث حينما أتفاعل مع نماذج اللغة الكبيرة، حتى لو لم أكن أريد بشكل محدد إخراج Json، أطلب ذلك وفقط أأخذ المفتاح الأول وهذا هو الاستجابة. ولماذا أفعل ذلك؟ لأن من منظور التطوير، وجود الكائنات والبيانات بتنسيق Json يجعل الكثير من المعنى، إلى الحد الذي نحن عليه الآن، حتى إذا كنت تقوم بشيء بسيط حتى وإن كنت تقوم

فوائد استخدام نموذج LLM لإنشاء المحتوى

تحليل واستعراض نماذج Azure OpenAI Turbo

• عندما يكون لديك دردشة حيث ترسل المعلومات للوراء وإلى الأمام، يمكن أن يكون من المفيد جدًا أن تكون الرسالة في المفتاح الأول فقط ثم تقدم بعض البيانات الوصفية الإضافية التي يمكنك تسجيلها. نماذج توربو مما هو حقًا ما كانت إليه توجهي في هذا المجال. فإذا جئنا إلى سطح Azure OpenAI، تحمل معي إذا كنت أتنقل قليلًا في كل مكان، سيكون هذا مجرد عرض توضيحي استنادًا إلى ملاحظاتي، لذا قد يكون أقل ترتيبًا بعض الشيء مما أنت معتاد عليه. يمكنك هنا أن تنظر إلى صيغة الاستجابة. يمكنك ببساطة أن تقول عند تفاعلك مع OpenAI مع نماذج توربو: أريد JSON وأريد أن أجرب وأرى كيف يعمل ذلك في النماذج السحابية الجديدة ومقارنة سير العمل، وهذا بالضبط ما فعلنا. لدينا مثالين عمليان حيث لدينا نتائج نهائية أيضًا، لذا دعنا نستعرض هذه بسرعة لنظهر لك أولًا ما هي الاختلافات التي

تحليل واستعراض نماذج Azure OpenAI Turbo

استخدام خدمة Azure OpenAI لتحسين النماذج الذكية

• يمكن تخصيص الإخراج ولكن سيكون ذلك متشابهًا إلى حد كبير، يعتمد ذلك بشكل كبير على الأسلوب وما تحب، لكن الأمر يتعلق في الأساس بسير العمل والنظر، هل يبدو منطقيًا لي كمطور ذكاء اصطناعي الآن أن أقوم بالتسجيل على خدمة Entropic والحصول على مفتاح API ورؤية أين يمكنني دمج تلك النموذج؟ هذا ليس فيديو حيث سأستعرض جميع هذه المقاييس وأحدد ما هو النموذج الأفضل في النهاية وأين تتفوق الآن، هذا سيكون مجرد فائدة عملية لمطور البرامج مثلي، ماذا يعني هذا بالنسبة لي؟، مع ذلك وبعد ذلك، معطى قليل من السياق حول خدمة Azure OpenAI التي نستخدمها ولأولئك الذين لا يعرفون، فإن Azure OpenAI هو مجرد طريقة لاستخدام نماذج OpenAI ولكن من خلال Azure ولديك شعور إضافي بالأمان الذي بالنسبة لمعظم عملائي هو أمر لا بد منه لهذا السبب نحن نستخدم Azure OpenAI ولكنه نفس النموذج، مع ذلك، إذا كنا

استخدام خدمة Azure OpenAI لتحسين النماذج الذكية

سر النظام السحري لإنشاء محتوى إبداعي

• إليك ما نملكه هنا، إنه نظام بسيط. نقوم بتهيئته كصنف، نهيئ جميع الاعتمادات ثم لدينا وظيفة بسيطة لإتمام المحادثة بشكل واحد. وبعد ذلك تأتي وظيفة إنشاء الرد حيث نقدم مقترحًا للنظام نقول: 'نحن سنكتب منشورًا على LinkedIn وما إلى ذلك' نعطيه بعض المواصفات، ونقول أيضًا: 'دعنا نخرج بتنسيق Json ونريد كلمات المحتوى والعنوان' ثم نقوم بربطه في تنسيق رسالة بنظام التسجيل، ومن ثم نرسله فعليًا إلى واجهة برمجة التطبيقات. وهنا حيث تحدث السحر بالفعل، الآن بما أننا كلفنا بإرجاع هذا ككائن Json يمكننا بعد ذلك استدعاء Json loads هنا ومن ثم إرجاعه كاستجابة Json. إذا دخلت هنا وشغلت هذا مرة أخرى، دعني أرى حقاً لا أحتاج لتشغيله مرة أخرى لديه بالفعل في الذاكرة، لذا يمكنني الآن النظر في النتيجة التي لدي، حاليًا سأطلب منك كتابة منشور على LinkedIn ولكن لدي المحتوى ولدي بعض الكلمات الرئيسية ولدي أيضًا

سر النظام السحري لإنشاء محتوى إبداعي

فوائد تنسيق النصوص في تنسيق Json

• والآن إذا كنت مثلاً ترغب في إنشاء نوع من توليد المحتوى التلقائي حيث يكون لديك نظام إدارة المحتوى حيث ترغب في تخزين كل هذه المعلومات القيمة، يمكن أن يكون تنسيق النصوص في هذا نوع من Json مفيدًا جدًا. في نظام إدارة المحتوى، قد يكون هذا هو العنوان الذي تستخدمه لتلك المشاركة، ولكن في الواقع المحتوى، يمكننا الاستعلام عنه فعليًا كمفتاح في هذا القاموس، ثم لدينا المحتوى الفعلي. وهذا هو السبب في أن إخراج النص المنظم في تنسيق Json من LLMS رائع، دعنا نلقي نظرة على كيفية ذلك في Entropic. وحتى هذا المساء لم أعمل مع واجهة برمجة التطبيقات التي تقدمها Entropic من قبل، لذلك كان كل هذا جديدًا بالنسبة لي، ولحسن الحظ، كانت العملية بسيطة جدًا ومشابهة لطريقة العمل مع Open AI. على الموقع الإلكتروني، لديهم بعض المقالات البسيطة للبدء السريع مع Python وهنا يمكنك رؤية أنها مشابهة جدًا في الأسلوب، وفيما يتعلق بالرسائل، يتم تكوينها بالطريقة نفسها تمامًا. أحب رؤية ذلك، حتى وإن كانوا منافسين، إلا أنهم يحاولون تبسيط العملية.

فوائد تنسيق النصوص في تنسيق Json

تجربة المُطَوِّر وأحدث النُماذج

• تجربة المُطَوِّر والآن يمكنك أيضًا رؤية النُماذج إذا نظرنا إلى النُماذج الحالية. لقد قدموا ثلاث نُماذج، إذا جئنا نرى، يمكنك أيضًا رؤية ذلك هنا وأيضًا في المقدمة حيث يتحدثون عنه. لدينا هاي يو التي لم تتوفر بعد ولكنه سيكون متاحًا قريبًا، لدينا سونيت وأوبس حيث كلما زادت الذكاء زادت التكلفة وأصبحت أبطأ، لذلك يشرحونه بأن سونيت هي النُسخة الأكثر توازنًا، هذه هي طاقتها القصوى فقط وهذا سيكون نموذجًا فعالًا من حيث التكلفة. ويُمكنك الآن اختيار أوبس أو سونيت باستخدام هذا الاسم النموذجي، هذا ما يمكنك رؤيته أيضًا فيما نفعله هنا. دعني أقرّب النص قليلًا لك حتى تتمكن من رؤية ما يحدث هنا. لدينا إعداد مشابه جدًا للنُسخة من فتح الذكاء، ولكن الآن نفعل ذلك مع إنتروبيك، لدينا مجددًا مطلب النظام وهو بالضبط نفس الأمر، ثم ننشئ الرسالة ولكن الآن هنا نحن

تجربة المُطَوِّر وأحدث النُماذج

تعديل نهج واجهة برمجة التطبيقات باستخدام Entropic API

• كنت أعمل على شيء مثير للاهتمام وكنت أقوم بتعديله لبعض الوقت وأريد أن أشارك هذا معكم لأنني أعتقد أنه سيكون مفيدًا للغاية وذلك لأن واجهة برمجة التطبيقات Entropic API لا تحتوي على معلمة الإخراج المهيكلة مثل نموذج open AI ولكن هناك بعض الأشياء التي يمكنك فعلها لتعديله وأساساً حيث يمكنك رؤيته هنا يمكنك رؤية بعض الأمثلة على كيفية التحكم في الإخراجات على سبيل المثال يمكنك مجرد توجيهه للقيام بذلك وذلك من خلال موجه معين ولكن الذي لاحظته هو أنه أحيانًا إذا فعلت هذا لا تزال تواجه هذه المشكلة الغريبة حيث تطلب منه الإخراج Json ويقول النموذج: حسنًا ها هي إجابتك بتنسيق Json ويقدمها بتنسيق Jason وهذا ليس ما أريد أنا أريد فقط الـ Json الصحيح لأنه يمكن أن تتسبب في تلك الأخطاء لأن عمليات تحميل Json قد لا تعمل ولكن هنا شيء رائع حقًا وكان هذا جديدًا بالنسبة لي لديك خيار التعبئة المسبقة حيث يمكنك ببساطة توفيرها.

تعديل نهج واجهة برمجة التطبيقات باستخدام Entropic API

كيفية تحسين استخدامك لنموذج الذكاء الصناعي للإنتاجية القصوى

• عندما تستخدم نموذج الذكاء الصناعي كمساعد، فإنه من المهم أن تتبع أساليب تساعد على الحصول على إجابات دقيقة ومفيدة. واحدة من هذه الطرق تتضمن وضع علامة فتح تشير إلى أن هذا يجب أن يكون بداية إجابتك. يبدو أن الطريقة الوحيدة المنطقية لاستكمال النموذج بهذه الطريقة هي تقديم Jason، حيث تكون هذه الطريقة فعالة حسب تجربتي. بعد تجربة بعض التجارب، لم أواجه أي مشاكل بهذا الخصوص. بعد ذلك، يتم إعداد الرسالة بشكل بسيط من خلال تقديم برومبت النظام، ثم برومبت المستخدم، ومن ثم نضيف برومبت آخر للمساعد، وبعد ذلك نقوم بإرسال كل شيء إلى واجهة برمجة التطبيقات. ومن ثم تأتي الاستجابة، لكن هناك شيء يتعين علينا فعله، وهو إضافة تلك العلامة مرة أخرى؛ لأنه من الضروري لعودة JSON إلى العمل بشكل صحيح. وعندما نعود هنا ونقوم بذلك...

كيفية تحسين استخدامك لنموذج الذكاء الصناعي للإنتاجية القصوى

إنشاء تطبيقات متنقلة مشابهة باستخدام JSON

• نحن الآن لدينا نفس الهيكل يمكنني الآن أيضًا أن أريك كيف يبدو هذا، حتى هنا انظر، لا يزال يعمل. لدينا الآن إعدادًا مماثلًا حيث لدينا عنوان ولدينا الكلمات الرئيسية، وبالفعل لدينا المحتوى ويمكننا النظر في ذلك. الآن إذا قورنا ذلك بـ وكما ذكرت، لا أنوي مراجعة كل كلمة بكلمة أيهما أفضل، أعتقد أن كل منهما سيكون له نقاط قوة ونقاط ضعف، والأمر أكثر عن ضبط دقيق مع الأمثلة وأسلوبك الشخصي ولكن بشكل أساسي قمنا بإنشاء إعداد حيث الآن إذا قمت بإنشاء نوع ما من التطبيق أو مشروع لعميل يمكنك بسهولة استبدال نماذج مختلفة والحصول على نفس استجابة JSON المنظمة، وأعتقد أن هذا هو الهدف العام وما أردت أن أريك في هذا الفيديو السريع أن هذا سيكون شيئًا مستمرًا ستمسك جوجل بالخط، وسيأتي شوب أوبن إيه آي بالجيل الخامس، سيعود سي أل إيه للمنافسة وأعتقد أن هذا كمطور حقًا إعداد يجب أن تعمل عليه.

إنشاء تطبيقات متنقلة مشابهة باستخدام JSON

استكشاف إمكانيات التحسين في تطوير البرمجيات باستخدام الشفرات الخاصة

• نحو محاولة استخدام أقل قدر من التجريد ممكن، سأكون حذرًا أيضًا مع الإطارات مثل سلسلة Lang التي واجهت مشاكل متعددة معها بسبب تغير كل شيء بسرعة كبيرة، وبأن يكون لديك قاعدة بيانات الشفرة الخاصة التي تحافظ عليها، وتقوم بإنشاء غلاف سريع حول خدماتك الخاصة التي تقوم بصيانتها. فهل هذه النماذج الجديدة أفضل؟ هل يجب عليك التبديل؟ حسب القياسات ربما إذا نظرنا إليها من منظور المطورين، سيظل الأمر كما هو: ما هو المشكلة التي تحاول حلها؟ إذا كنت قد استخدمت OpenAI GPT-4 بالفعل، فاستمر في ذلك، ولكن ربما يجب أن تنظر إلى التجربة مع هذا الإطار لمشاريع جديدة. أنا بالتأكيد سأواصل القيام بذلك، لدي بعض المشروعات الجديدة التي سأبدأ فيها حيث سأقوم ربما بتقييمها بشكل متزامن. سيكون ذلك مثيرًا حقًا. لذا، إذا كنت مطورًا ولم تسجل في Entropic بعد، يجب عليك القيام بذلك بسرعة.

استكشاف إمكانيات التحسين في تطوير البرمجيات باستخدام الشفرات الخاصة

نصائح للعمل ككاتب حر

• نوصي بالقيام بذلك فقط لتقدم طلبك لتحصل على مفتاح API الخاص بك الآن إذا كنت ترغب أيضًا في العمل على مشاريع الذكاء الاصطناعي مثل هذه ومساعدة العملاء والقيام بذلك بشكل حر ربما لكسب المزيد من المال وربما حتى الانتقال إلى العمل بدوام كامل ولكنك لا تعرف حقًا من أين تبدأ، فبرنامج تحول البيانات للعمل الحر شيء قد ترغب في التحقق منه. اكتملت الآن، قمت للتو بإصدار نسخة جديدة تمامًا من برنامج تحول البيانات للعمل الحر لمساعدة المحترفين في مجال البيانات ومهندسي البرمجيات ومهندسي الذكاء الاصطناعي على البدء في العمل كحرفيين حرين. هذا شيء قمت بفعله على مدى السنوات الخمس الماضية، حيث كنت أكسب معيشتي بدوام كامل من خلاله وساعدت أيضًا العديد من الأشخاص الآخرين في فعل ذلك. حتى الآن، لدينا مراجعات خمس نجوم فقط، فالناس يحبون البرنامج، وقمنا للتو بإصدار نسخة جديدة تمامًا لجعله أفضل حتى أكثر، لذا إذا كنت تشعر أن هذا يناسبك، يمكنك النقر على الرابط في الوصف، وسوف تنتقل إلى هذه الصفحة يمكنك مشاهدة هذا الفيديو لترى ما إذا أعجبك، وإذا لم يكن كذلك فلا يهم، وثم إذا وجدت هذا الفيديو مفيدًا، يرجى ترك إعجاب وكذلك النظر في الاشتراك وسأراك في الفيديو القادم.

نصائح للعمل ككاتب حر

Conclusion:

باختصار، استكشفنا الاختلافات بين نموذج GP4 ونماذج Cloud الجديدة، ونحثك على اختيار النموذج الذي يناسب احتياجاتك بناءً على متطلبات مشاريعك.

Q & A