Ingénierie rapide pour l'IA générative

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com Les grands modèles de langage (LLM) et les modèles de diffusion tels que ChatGPT et Stable Diffusion ont un potentiel sans précédent. Parce qu'ils ont été formés sur l'ensemble des textes et des images publics sur Internet, ils peuvent apporter des contributions utiles à une grande variété de tâches. Et comme la barrière à l'entrée est aujourd'hui considérablement réduite, pratiquement n'importe quel développeur peut exploiter les LLM et les modèles de diffusion pour s'attaquer à des problèmes qui ne se prêtaient pas à l'automatisation auparavant. Ce livre te permettra d'acquérir des bases solides en matière d'IA générative, et notamment de savoir comment appliquer ces modèles dans la pratique. Lorsqu'ils intègrent pour la première fois les LLM et les modèles de diffusion dans leur flux de travail, la plupart des développeurs ont du mal à en tirer des résultats suffisamment fiables pour les utiliser dans des systèmes automatisés. Les auteurs James Phoenix et Mike Taylor te montrent comment un ensemble de principes appelé " prompt engineering " peut te permettre de travailler efficacement avec l'IA. Apprends à donner à l'IA les moyens de travailler pour toi. Ce livre explique : La structure de la chaîne d'interaction du modèle d'IA de ton programme et les étapes fines entre les deux. Comment les demandes de modèles d'IA découlent de la transformation du problème de l'application en un problème d'achèvement de document dans le domaine de la formation du modèle. L'influence de l'architecture du modèle LLM et de diffusion - et la meilleure façon d'interagir avec elle. Comment ces principes s'appliquent en pratique dans les domaines du traitement du langage naturel, de la génération de textes et d'images, et du code.