ساخت مدل‌های سفارشی با کمترین هزینه؛ تجربه‌ای در به‌کارگیری ایجنت هوش مصنوعی برای توسعه هوش مصنوعی

نیاز به نسخه‌های کوچک‌تر و تخصصی‌تر از مدل‌های موجود، انگیزه ساخت ابزارهای سفارشی را فراهم می‌کند. یک توسعه‌دهنده با استفاده از قابلیت ML Intern در HuggingChat توانسته است مدل‌های اختصاصی کوچکی برای کارهایی نظیر بازنویسی اعلان‌ها، تشخیص بیماری گیاهان، تولید کاراکتر و تغییر زاویه دوربین بسازد. کل هزینه محاسباتی برای ساخت این مدل‌ها بسیار ناچیز بوده و فرآیند آموزش، ارزیابی و انتشار توسط ایجنت هوش مصنوعی مدیریت شده است.

نحوه کار با این ایجنت شامل ارائه یک دستورالعمل (پرامپت) دقیق است که در آن ایده اصلی، مجموعه داده، مدل پایه و اسکریپت‌های آموزشی مشخص می‌شوند. تعیین حقایق تأییدشده، درخواست گزارش عملکرد پایه پیش از آموزش، و اجرای تست‌های اولیه (Smoke Test) پیش از صرف هزینه‌های اصلی، از جمله نکات کلیدی در این روند هستند. به عنوان مثال، در پروژه مربوط به تشخیص بیماری مرکبات، یک مدل کوچک با استفاده از داده‌های تصویری آموزش دید و دقت مدل پایه را به طور چشمگیری افزایش داد.

پروژه دیگر شامل ساخت لورا (LoRA) برای تولید تصاویر با شخصیت‌های خاص یا تغییر زاویه دوربین اجسام بود که با استفاده از تصاویر اسکن‌شده و با حداقل هزینه پیاده‌سازی شد. همچنین مدل‌های کوچک‌سازی‌شده‌ای برای اجرا روی پردازنده مرکزی (CPU) و مرورگر وب توسعه یافت که نمونه‌ای از آن تقطیر مدل‌های بزرگ‌تر برای دستیابی به سرعت بالا در تعداد گام‌های کم است.

این تجربیات نشان می‌دهد که توسعه‌دهندگان می‌توانند با تعریف دقیق نیازها، محدود کردن بودجه و بهره‌گیری از ایجنت‌های هوش مصنوعی، مدل‌هایی را خلق کنند که پیش‌تر وجود نداشته‌اند و آن‌ها را روی پلتفرم هاکینگ فیس با جامعه کاربران به اشتراک بگذارند.