Обработка

Языковые модели

Языковые модели — это продвинутые ИИ-системы, которые могут понимать, трактовать и генерировать человеческую речь. Эти модели обучаются на огромных наборах текстовых данных и изучают паттерны, сочетания слов, синтаксис и даже нюансы различных языков и языкового использования. Ядро многих современных языковых моделей — архитектура трансформеров, которая использует механизмы самовнимания для определения того, какие части текста важны в данном контексте.

При обработке языка эти модели используют статистические методы, чтобы предсказать наиболее вероятное следующее слово или наиболее вероятное следующее предложение в тексте. Они могут понимать контекст длинных участков текста и поэтому не только грамматически правильные, но и содержательно связные и релевантные тексты генерировать.

При использовании языковой модели, например для чат-бота или генератора текста, модели дают определённые подсказки или исходные данные, и на основе этой входной информации модель генерирует текст, который логически следует за данным контекстом. Цель этих моделей — производить текст, который кажется максимально человечным, как по содержанию, так и по стилю.

Модели «текст — изображение»

Модели «текст — изображение» — это ИИ-системы, способные из письменного текстового описания генерировать визуальные представления, такие как фотографии, иллюстрации или другие типы изображений. Эти модели используют сложные нейронные сети, и, в частности, генеративно-состязательные сети (GAN) или их вариации, такие как диффузионные модели.

Процесс начинается с текстового описания, введённого пользователем. Модель оценивает этот текст и пытается понять смысл и контекст. Затем модель генерирует изображения, соответствующие текстовому описанию, используя то, чему научилась во время обучения на огромных наборах данных пар "текст — изображение".

Во время обучения модель учится ассоциациям между текстовыми описаниями и визуальными характеристиками. Например, если модель неоднократно видит сочетание слов «желтое солнце над синим морем» вместе с изображениями, иллюстрирующими этот сценарий, она учится распознавать и воспроизводить эти элементы в будущих визуальных творениях.

Результаты часто оказываются удивительно точными и детализированными изображениями, соответствующими введённому тексту. Эти модели становятся всё точнее и способны отображать сложные сценарии с несколькими объектами и абстрактными концепциями. Они применяются в широком спектре задач, включая художественное творчество, дизайн игр, виртуальную реальность и многое другое.

AI-School предоставляет модели

Важно понимать, что AI-School предоставляет несколько моделей ИИ, которые входят в центральный каталог моделей. Эти модели доступны внешними провайдерами через API. API, или Application Programming Interface, — это набор правил и определений, с помощью которых программное обеспечение может взаимодействовать друг с другом. Он функционирует как своего рода «язык», который программы понимают для обмена информацией и вызова функций друг у друга. AI-School не имеет собственных языковых моделей, моделей «текст — изображение» или «текст — речь».

Мы не несем ответственности за результаты работы различных моделей. Тем не менее мы уделяли внимание отбору лучших и наиболее интересных моделей для школ.

Процедура обработки согласно DPIA

DPIA описывает базовую процедуру генерации ответа следующим образом:

• Пользователь вводит промпт в портале AI-School.
• Промпт сохраняется в базе данных AI-School.
• AI-School предоставляет промпт через API-соединение и общий аккаунт анонимно выбранной модели ИИ.
• Модель ИИ не получает персональные данные конкретного пользователя.
• Ответ модели ИИ возвращается в AI-School.
• Ответ сохраняется в базе данных AI-School.
• Ответ представляется пользователю.

AI-School не передаёт персональные данные конкретного пользователя в модель ИИ. Модель получает содержание промпта без привязки к идентифицируемому пользователю. Пользователь может сам включить персональные данные в промпт; в этом случае эти данные могут обрабатываться выбранной моделью ИИ.

Дополнительный контекст

В таких функциях, как чат с документами, многомодальный ввод или использование определённых инструментов, промпт может дополняться контекстом, выбранным пользователем, например фрагментами документов, изображениями или результатами поиска. Эта же контекстная информация также предоставляется модели без привязки к идентифицируемому пользователю, но содержание может содержать персональные данные, если пользователь добавил их сам.