«Создание экспертной GPT в нейронных сетях, информированных физикой, с использованием GPT»
Создание экспертной GPT в нейронных сетях с использованием физических данных и GPT
Пользовательский копилот для оптимизации исследований и разработки PINN
Одним из самых интересных релизов недавнего DevDay от OpenAI являются GPT. Фактически, GPT – это настраиваемые версии ChatGPT, которые каждый может создать для конкретных целей. Процесс настройки работоспособного GPT не требует кодирования, а происходит только при помощи беседы. В результате, с момента выпуска, сообщество создало разнообразие GPT, которые помогают пользователям быть более продуктивными и создавать больше удовольствия в жизни.
Как практикующий в области физически осознанных нейронных сетей (PINN), я часто использую ChatGPT (GPT-4), чтобы помочь мне понять сложные технические концепции, устранять проблемы, возникающие при реализации модели, а также предлагать новые идеи и инженерные решения. Несмотря на то, что он довольно полезен, я часто обнаруживаю, что ChatGPT сталкивается с трудностями в предоставлении мне индивидуальных ответов, выходящих за рамки его общих знаний о PINN. Хотя я могу настраивать мои запросы для получения большего контекстуального информации, это занимает много времени и иногда быстро истощает моё терпение.
Теперь, с возможностью легкой настройки ChatGPT возникла мысль: почему бы не разработать настраиваемый GPT, который действует как эксперт-практик по PINN 🦸♀️, черпая знания из моих отобранных источников и стремясь отвечать на мои вопросы о PINN индивидуальным образом?
Итак, в этом блоге давайте посмотрим, как сделать это реальностью! Мы начнем с описания процесса создания нашей целевой GPT, предоставим подробности о дизайне инструкций и предоставленной базе знаний. Затем мы рассмотрим несколько демонстраций, чтобы увидеть, как лучше взаимодействовать с только что созданным GPT. Наконец, мы коснемся возможностей для будущего развития.
- Практическое руководство по обучению с подкреплением
- Искусственный интеллект в аналитике
- Освоение искусства стратегии науки о данных Разговор с AI-видионером Вином Вашиштой
Эта идея вам близка? Давайте начнем🗺️📍🚶♀️
Это еще один блог из моей серии о физически осознанном машинном обучении. Другие включают:
Раскрывая дизайн-паттерн физически осознанных нейронных сетей
Открытие дифференциальных уравнений с PINN и символьной регрессией
Обучение операторов с помощью физически осознанного DeepONet
Решение обратных задач с помощью физически осознанного DeepONet