@SimonBiggs بعد التفكير قليلاً في المشكلة، أدركت أنه قد يكون من الأفضل ببساطة إنشاء خدمة خارجية مغلقة يمكنها تلقي دعوات للانضمام إلى منتدى Discourse، وإعداد ملفها الشخصي ثم المشاركة كمستخدم، باستخدام واجهة برمجة التطبيقات (API). سيكون الملف الشخصي واقعيًا ولكنه واضح في الوصف بأنه روبوت.
لقد اكتشفت ما سيفعله الروبوت، ولكنه لا يجب أن يكون إضافة فعلية لـ Discourse. يحتاج فقط إلى التشغيل بين الحين والآخر كجدول زمني، ثم نشر التعليقات والردود باستخدام واجهة برمجة تطبيقات Discourse. ما رأيك؟
لدي بعض الأفكار لحالات استخدام لمثل هذه الميزات. أدرك أن هذا يخرج عن الموضوع الرئيسي للموضوع الأصلي ولكنه يبدو أيضًا أنه الموضوع الذي يزوره كل المهتمين بدمج روبوت شبيه بـ GPT3. إذا كنت ترغب في بدء موضوع آخر (عام أو خاص) فسيكون هناك مكان واحد تُجمع فيه الأفكار من المجتمع.
لقد اكتشفت ما سيفعله الروبوت، ولكنه لا يحتاج إلى أن يكون مكونًا إضافيًا فعليًا لـ Discourse. يحتاج فقط إلى التشغيل بين الحين والآخر كـ cron، ثم نشر التعليقات والردود باستخدام Discourse API. ما رأيك؟
هذا منطقي بالتأكيد. ومع ذلك، أنا شخصياً أرغب فقط في صنع أدوات ذكاء اصطناعي مفتوحة المصدر. ونظرًا لأن Discourse نفسها تخطط لصنع أداة، أود أن أساعدهم بدلاً من ذلك من الناحية المثالية.
مقترح لروبوت إجابة مع تصنيف مجدول وضبط دقيق لمنتديات ديسكورس
مقدمة: تعتمد منتديات ديسكورس على تفاعل المستخدمين ومساهماتهم، ويعد الحصول على إجابات سريعة ودقيقة للأسئلة جانبًا حاسمًا في ذلك. ومع ذلك، قد يستغرق الأمر بعض الوقت للحصول على رد، مما يثبط عزيمة المستخدمين عن مواصلة المشاركة في المحادثة. لمعالجة هذا الأمر، نقترح روبوتًا يمكنه الإجابة تلقائيًا على الأسئلة بعد فترة زمنية محددة لتشجيع مشاركة المجتمع. بالإضافة إلى ذلك، سيقوم الروبوت بتخصيص مكالمات مجدولة لتصنيف المواضيع الحالية وبناء مجموعة بيانات الضبط الدقيق الخاصة به، والتي يمكن تحديثها من وقت لآخر.
الأهداف: تتمثل الأهداف الرئيسية لروبوت الإجابة مع التصنيف المجدول والضبط الدقيق لمنتديات ديسكورس في:
تشجيع مشاركة المجتمع من خلال تقديم إجابات سريعة ودقيقة للأسئلة التي قد تظل دون إجابة.
أتمتة تصنيف المواضيع الحالية لضمان وضع علامات صحيحة على الأسئلة، وتمكين المستخدمين من العثور بسهولة على المعلومات ذات الصلة.
بناء مجموعة بيانات الضبط الدقيق للروبوت لتحسين أدائه ودقته بمرور الوقت.
الحل المقترح: لتحقيق الأهداف الموضحة أعلاه، نقترح دمج روبوت يمكنه الإجابة تلقائيًا على الأسئلة بعد فترة زمنية محددة، وتخصيص مكالمات مجدولة لتصنيف المواضيع الحالية، وبناء مجموعة بيانات الضبط الدقيق الخاصة به. سيتم تصميم الروبوت لتحليل مدخلات المستخدم، وفهم سياق المحادثة، وإنشاء ردود مناسبة بناءً على قواعد محددة مسبقًا ونماذج التعلم الآلي.
سيستخدم الروبوت تقنيات معالجة اللغة الطبيعية (NLP) لتحليل مدخلات المستخدم وإنشاء ردود ذات صلة بالمحادثة. سيتم تدريبه على فهم سياق السؤال، والموضوع الذي تتم مناقشته، وتفاعلات المستخدم السابقة لتقديم إجابات دقيقة ومفيدة. سيستجيب الروبوت فقط للأسئلة التي لم تتم الإجابة عليها خلال فترة زمنية محددة أو عند استدعائه باسم مستخدم مباشرة.
بالإضافة إلى الإجابة على الأسئلة، سيقوم الروبوت بتخصيص مكالمات مجدولة لتصنيف المواضيع الحالية. سيقوم بتحليل محتوى الموضوع والعلامات للتأكد من وضع علامات صحيحة على الأسئلة وتنظيمها لسهولة التنقل. سيقوم الروبوت أيضًا ببناء مجموعة بيانات الضبط الدقيق الخاصة به عن طريق تسجيل وتصنيف استعلامات المستخدم وردوده. سيتم استخدام مجموعة البيانات هذه لتدريب وتحسين أداء الروبوت بمرور الوقت.
الفوائد: فوائد دمج روبوت إجابة مع التصنيف المجدول والضبط الدقيق لمنتديات ديسكورس عديدة، بما في ذلك:
تشجيع مشاركة المجتمع: سيقدم الروبوت إجابات سريعة ودقيقة للأسئلة، مما يشجع المستخدمين على مواصلة المشاركة في المحادثة.
تحسين تصنيف المواضيع: سيقوم الروبوت بأتمتة تصنيف المواضيع، مما يضمن وضع علامات صحيحة على الأسئلة وتنظيمها لسهولة التنقل.
تحسين الدقة والأداء: سيتم استخدام مجموعة بيانات الضبط الدقيق للروبوت لتدريبه وتحسين أدائه بمرور الوقت.
تقليل عبء العمل على المشرفين البشريين: سيقلل الروبوت من عبء العمل على المشرفين البشريين عن طريق أتمتة تصنيف المواضيع والإجابة على الأسئلة التي قد تظل دون إجابة.
الخلاصة: يعد دمج روبوت إجابة مع التصنيف المجدول والضبط الدقيق لمنتديات ديسكورس استثمارًا قيمًا يمكن أن يساعد في تشجيع مشاركة المجتمع، وأتمتة مهام التصنيف، وتحسين دقة وأداء الروبوت بمرور الوقت. نوصي باستكشاف نماذج معالجة اللغة الطبيعية والتعلم الآلي المتاحة لاختيار النموذج الذي يلبي احتياجات منتدى ديسكورس على أفضل وجه. يجب تخطيط وتنفيذ عملية التكامل بعناية، مع إجراء اختبار وتدريب مناسبين لضمان أداء الروبوت كما هو مقصود.
هذه بداية رائعة ولكن للأسف، بصفتي المؤلف الأصلي، فإنها لا تحقق ما قلته إنني أبحث عنه في البداية. ومع ذلك، بعد أن كنت أبحث في هذا المجال لسنوات عديدة الآن، ما لم أفز باليانصيب، لن أحصل بالضبط على ما أريده من خلال محاولة الدفع مقابله بنفسي. للتأكيد، أحتاج إلى روبوت لا يمكنه فقط القيام بما أوضحته أعلاه ولكن لديه أيضًا ذاكرة مستمرة للمناقشات السابقة مع الأفراد - تمامًا مثل الإنسان. نظرًا لأنني لن أحصل بالضبط على ما أريده في أي وقت قريب، ولكن Discourse نفسه + الاقتراح المتنامي لروبوت Discourse AI سيحقق الكثير مما أريده، ربما يجب أن أبذل كل جهودي للمساعدة قدر الإمكان في هذا المشروع بينما أواصل التحقيق في الذكريات المستمرة باستخدام نظرية الرسم البياني وأشياء أخرى - يمكن إضافتها لاحقًا؟
إذا لم يلبي تطبيق/مقترحات Discourse احتياجاتك، وكنت سعيدًا بتمويل تطوير برامج الذكاء الاصطناعي مفتوحة المصدر (Apache-2.0، والتي سيكون لدى Discourse نفسها حرية إعادة استخدامها)، فسأكون سعيدًا جدًا بإعداد روبوت ذكاء اصطناعي لك لـ Discourse يتمتع بالذاكرة.
كل شيء هنا سيعتمد على النموذج. أرى الكثير من الاهتمام العام هنا، لكن لم يقترح أحد أي نموذج يجب استخدامه ولم يثبت أحد أن النموذج يمكنه فعل أي شيء مفيد عن بعد.
حتى الحصول على أشياء جيدة من OPT أمر صعب وأضاف فيسبوك قدرًا كبيرًا من المعلمات. قلقي العام هنا (وأيضًا للصناعة ككل) هو أنه في المساحة المفتوحة لا يوجد شيء قريب عن بعد من GPT 3 devinci، و GPT 4 على وشك الظهور وسيصعب المنافسة أكثر.
في المنشور التالي أعلاه، تم تفصيل كل من النموذج وفائدته:
العملية هي Supabase + OpenAI GPT API. في الوقت الحالي، GPT 3.5 + OpenAI embeddings كافيان لتحقيق العديد من المهام المطلوبة اليوم من روبوت Discourse.
واجهة برمجة تطبيقات GPT ليست مفتوحة المصدر. ولكنها واجهة برمجة تطبيقات. وعندما يتفوق نموذج مفتوح المصدر (مثل https://github.com/LAION-AI/Open-Assistant)، يمكن استبداله.
أتفق بالتأكيد. لهذا السبب، في الوقت الحالي، سيتم استخدام GPT 3.5 في الخلفية حتى يتوفر بديل أفضل.
هنا مصدر قلقي الكبير وهو الإسناد، خاصة عندما تكون مجموعة النصوص ضخمة مثل منتدى Discourse ويحتمل أن تكون الكثير من البيانات المستخدمة لتدريب الروبوت قديمة.
هناك بعض المشكلات الأساسية الكبيرة مع نهج ClippyGPT هذا. لا يمكنك استبدال البحث بشيء لا يوفر روابط مرة أخرى إلى المحتوى. سيكون تدريب هذا أيضًا مهمة وحشية.
لذا يمكن لمكوني الإضافي استخدام GPT3 (بشكل افتراضي: “text-davinci-003”، ولكن يمكنك اختيار النموذج) لتلخيص المواضيع:
لقد جربته (حتى في بيئة الإنتاج) وأنا معجب جدًا بالنتائج حتى الآن. يمكنني القول إنه “رائع” في بعض الأحيان.
ومع ذلك، بينما غالبًا ما يعيد ملخصات ذات صلة وصحيحة نحويًا ومقنعة، إلا أنه عرضة لأخطاء واقعية يمكن أن تكون مضللة للغاية وتعيق فائدته. الكثير من الإمكانات هنا على الرغم من ذلك!
لاحظ أن المكون الإضافي لا يزال تجريبيًا للغاية ولكنه يبدو مستقرًا الآن. ستختلف النتائج، ولكن هناك إعدادات مختلفة لجودة الحياة لتحسين نتائجك بما في ذلك آلية التصويت السلبي مع إعداد للعتبة التي ستحث النظام على استرداد ملخص جديد من LLM.
لا يدعم ChatGPT الضبط الدقيق (ولا يمتلك واجهة برمجة تطبيقات لذلك حتى اليوم)
أعتقد أنه سيكون من المثير للاهتمام تدريب نموذج يعتمد على GPT (إما ضبط GPT-3 بدقة أو استخدام شيء آخر) على مجموعة بيانات من موقع Discourse لمعرفة مدى جودة أداء “كابتن كلام السلطة” بمجرد تدريبه على البيانات وتعليمه الاستجابة. مع التحذير الواضح بأن “القمامة في، القمامة خارج”.
من المؤكد أن التجارب ستحدث، وستتحسن نماذج GPT الكاذبة الواثقة بنفسها بمرور الوقت (بسبب البيانات الأفضل والخوارزميات التي تخفف من حدة المشاكل والتي تتحقق من الحقائق بطريقة ما)
منشور ريتشارد مثير للاهتمام بالتأكيد، لكن ChatGPT ليس جاهزًا للمهمة بعد:
