A propos de Red Hat AI InstructLab on IBM Cloud
Red Hat® AI InstructLab on IBM Cloud® est une solution d'IA générative prête à l'emploi, privée et sécurisée pour l'amélioration des grands modèles de langage (LLMS), alimentée par Red Hat Enterprise Linux AI. Projet open source de IBM et Red Hat, InstructLab est un point d'entrée rentable dans le monde de l'apprentissage automatiqueUne branche de l'intelligence artificielle (IA) et de l'informatique qui se concentre sur l'utilisation de données et d'algorithmes pour imiter la façon dont les humains apprennent, améliorant progressivement la précision des modèles d'IA., qui vous permet de contribuer à un LLM sans avoir à posséder et à exploiter une infrastructure matérielle.
Vous commencez par fournir les connaissances et les compétences les plus importantes pour votre entreprise dans ce que l'on appelle une taxonomie, ou un répertoire de données. La taxonomie est utilisée pour générer des données synthétiques, qui sont ensuite utilisées pour former le modèle à travers plusieurs phases d' ajustement. Ce processus permet d'aligner votre LLM sur vos objectifs en vous apportant non seulement des connaissances générales, mais aussi les compétences et les contextes spécifiques qui sont les plus importants pour les besoins uniques de votre entreprise.
En savoir plus sur InstructLab.
Qu'est-ce qu'un grand modèle linguistique?
Les grands modèles de langage, ou LLM, sont des modèles d'intelligence artificielle qui utilisent des techniques d'apprentissage automatique pour générer du langage humain. Ils sont d'abord formés sur de grandes quantités de données générales qui permettent de comprendre et de générer du langage naturel, puis affinés pour s'adapter à des contextes plus spécifiques. Par exemple, un modèle formé sur un large ensemble de connaissances générales peut ensuite être affiné en utilisant des données relatives à un commerce de détail pour créer un chat bot de service à la clientèle. Vous pouvez affiner les LLM pour différents cas d'utilisation, tels que la rédaction d'e-mails, le résumé de longs corps de texte ou la recherche d'erreurs dans le code. InstructLab fournit une plate-forme pour la formation, l'affinement et l'évaluation ultérieure des mécanismes d'apprentissage tout au long de la vie.
Si les LLM peuvent rationaliser les processus de diverses manières, il convient de garder à l'esprit qu'ils sont limités dans leurs capacités. Les LLM travaillent avec les données qui leur sont fournies. Vous ne pourriez pas demander votre date d'anniversaire à un LLM, par exemple, parce que vos informations personnelles ne font pas partie des données de formation. De même, un LLM seul ne serait pas la meilleure option pour prédire l'avenir d'une action, auquel cas il serait plus approprié d'utiliser un modèle de prévision. En outre, les LLM sont statiques et incapables d'interagir avec l'environnement. Des tâches telles que l'indication de l'heure ou de la date nécessiteraient des flux ou des cadres plus agentiques.
Pour une explication plus détaillée des LLM et de leur fonctionnement, voir Qu'est-ce que les LLM?
Fonctionnement
Apprenez à utiliser InstructLab.
- Étape 1. Fournir une taxonomie
- Une taxonomie est un répertoire de données diverses, sélectionnées par l'homme, qui est utilisé pour former un LLM. Les données contiennent des exemples de nouvelles connaissances et compétences dont le modèle peut s'inspirer. Vous pouvez utiliser une taxonomie existante et y contribuer, ou vous pouvez créer votre propre taxonomie. Pour plus d'informations, voir Comment les taxonomies sont structurées sur InstructLab.
- Étape 2. Générer des données synthétiques
- Les informations contenues dans la taxonomie sont utilisées pour générer des données synthétiques qui complètent les connaissances fournies par l'homme et permettent d'affiner le modèle. Pour en savoir plus sur le processus de génération de données, consultez le site Red Hat.
- Étape 3. Entraîner le modèle
- Les données synthétiques sont utilisées pour former le modèle en deux phases : l'ajustement des connaissances et l'ajustement des compétences. L'adaptation des connaissances est une formation qui se concentre sur l'amélioration de la connaissance des compétences essentielles du MFR. L'ajustement des compétences permet de former le modèle à des compétences plus spécifiques qui sont nécessaires à l'objectif visé, comme répondre aux demandes des clients ou analyser les tendances météorologiques.
Pourquoi Red Hat AI InstructLab ?
Découvrez les avantages de l'utilisation de Red Hat AI InstructLab.
- Conserver la propriété des données et du modèle
- Vous contrôlez vos données et votre modèle. Vous pouvez choisir de les utiliser dans le nuage, sur site, ou partout ailleurs où votre entreprise en a besoin. Exploitez des données commerciales uniques pour débloquer des gains d'efficacité et stimuler l'innovation en créant des solutions alimentées par l'IA.
- Minimiser le risque d'oubli catastrophique
- Pour une plus grande précision et moins de risques, les modèles intégrés Granite sont utilisés comme base pour l'apprentissage de nouvelles compétences et connaissances. Les informations précédemment apprises ne sont pas perdues lorsque les modèles apprennent de nouvelles informations.
- Sécurisé, actualisé et disponible
- Comme Red Hat AI InstructLab est disponible en tant que service sur IBM Cloud®, vous pouvez réduire les coûts inutiles en ne payant que ce dont vous avez besoin. Optimiser les dépenses informatiques en proposant des modèles plus simples, plus rapides et plus économiques.
Ressources pour en savoir plus
Voir ce que les autres ont à dire sur InstructLab.
Comment fonctionne la facturation ?
Pour en savoir plus sur la facturation, consultez la FAQ.