WEBVTT 00:01.400 --> 00:02.420 お帰りなさい。 00:02.420 --> 00:06.980 そうして約10分後、 あるいは15分後、 走りは完了した。 00:06.980 --> 00:08.090 なぜそんなことが分かるのか? 00:08.120 --> 00:08.900 いくつかの方法がある。 00:08.900 --> 00:16.910 そのひとつは、 OpenAIからメールをもらったことだ。 メールにあるように、 僕のファインチューニングの仕事を教えてくれた。 00:16.940 --> 00:22.490 "ブラブラブラ "が成功裏に完了し、 新しいモデル "ブラブラブラ "が誕生した。 00:22.490 --> 00:30.680 このモデルの名前にワープロが含まれていることにお気づきだろう。 00:30.740 --> 00:32.840 ええと、 どのように機能するかを示しただけだよ。 00:32.840 --> 00:38.390 微調整のための技の名前、 そしてコロン・パーソナル・コロン・プロセッサーで取り組んできたGPT 00:38.390 --> 00:43.850 4ミニバリアントの名前、 そして最後にコードだ。 00:43.850 --> 00:45.740 これが私のメールだ。 00:45.770 --> 00:48.110 これがJupyterLabだ。 00:48.110 --> 00:50.090 ええと、 これは僕らがやっていたことなんだ。 00:50.180 --> 00:59.240 そして今、 ステータスの最後の10個のメッセージを見ている。 00:59.390 --> 01:01.940 じゃあ、 最後の5つのステップだ。 01:01.940 --> 01:04.110 モデルを微調整。 01:04.140 --> 01:08.070 有効にする前に、 当社の使用ポリシーに照らしてモデルを評価する。 01:08.070 --> 01:11.040 それが、 私があなたに言ったことだ。 01:11.250 --> 01:17.340 ええと、 その後、 使用ポリシーが完了し、 仕事は正常に完了しました。 01:17.340 --> 01:24.960 そして、 それがどのように見えるか、 ウェイトとバイアスでお見せしようということだ。 01:24.960 --> 01:27.690 これが最終的なウェイトとバイアスのチャートである。 01:27.840 --> 01:33.870 本当に重要なのは、 トレーニングの損失と検証の損失であることがおわかりいただけると思います。 もちろん、 検証の損失は、 01:33.870 --> 01:40.470 トレーニングの損失が計算されたときほど定期的に発生していないか、 発生していないことがおわかりいただけると思います。 01:40.710 --> 01:46.530 というのも、 1エポックしか行っていないため、 トレーニングデータはすべて新しいものだからだ。 01:46.530 --> 01:54.000 つまり、 トレーニングロスも、 検証ロスも、 常に同じセットで計算されるので、 我々にとって有用なのだ。 01:54.030 --> 01:57.960 特にトレンドの見極めに役立つ。 01:58.080 --> 02:04.500 検証の結果、 一見したところ、 あまりトレンドがないように見える。 02:04.500 --> 02:05.520 これを持ち出すことはできる。 02:05.520 --> 02:08.510 このパネルを編集し、 ズームインすることができる。 02:08.510 --> 02:10.940 ここでY軸を変えることができる。 02:10.970 --> 02:12.920 最小値はゼロであるべきだ。 02:12.920 --> 02:15.590 そして、 最大でも3人くらいにしよう。 02:15.590 --> 02:17.600 だからズームインするんだ。 02:18.620 --> 02:23.240 そして、 特に改善されているようには見えないことがわかるだろう。 02:23.240 --> 02:32.000 実際、 望むのであれば、 わずかに増えていると主張することもできるだろう。 02:32.120 --> 02:39.080 ええと、 でも、 このチャートで利用できる平滑化関数が、 02:39.080 --> 02:46.910 必ずしも平滑化されたものだと言えるかどうかはわかりません。 02:47.450 --> 02:54.080 そうだね、 確かに上がってはいないけど、 少し改善されたように見えるし、 02:54.080 --> 02:57.080 その後は横ばいになっている。 02:57.080 --> 03:00.620 しかし、 300ポイントまでは改善が見られたようだ。 03:01.100 --> 03:07.150 つまり、 これらはすべて、 あなたが自分自身に目を向け、 もっと時間を費やすためのものなんだ。 03:07.150 --> 03:12.950 しかしこの時点で、 テストデータに対してこのモデルを評価する必要がある。 03:13.340 --> 03:18.260 だから、 それをキックオフして、 それが完了したらビデオに切り替える。 03:18.380 --> 03:20.960 それではJupyter Labに戻ろう。 03:20.960 --> 03:24.020 これが微調整されたモデルだ。 03:24.260 --> 03:29.060 ジョブIDを取得し、 微調整されたモデルを収集することができます。 03:29.060 --> 03:30.830 では、 その内容を簡単にお見せしよう。 03:30.860 --> 03:47.810 これをお見せすると、 ここに新しい属性のファイン・チューンド・モデルがあり、 メールにあったファイン・チューンド・モデルと同じ名前が含まれていることがわかります。 03:47.810 --> 03:53.180 メールからコピー&ペーストすることもできるが、 コードで抜き出すほうがいいだろう。 03:53.180 --> 03:54.380 だから、 こうする。 03:54.980 --> 04:04.310 ええと、 私が提案したときにそれが実行されることを示すために、 これを実行すると、 明らかに同じ名前になります。 04:05.540 --> 04:07.100 分かった。 04:07.100 --> 04:13.470 だから、 このメッセージの機能をもう一度やり直そう。 04:13.530 --> 04:20.400 ええと、 今回は、 ええと、 答えを明らかにしない方を使っているんだ。 04:20.430 --> 04:24.270 もちろん、 そのような情報は与えたくない。 04:24.540 --> 04:29.010 ああ、 それが実際にうまくいくと自分自身を納得させよう。 04:29.400 --> 04:30.960 そうだ。 04:30.990 --> 04:35.280 という疑問が湧く。 04:35.280 --> 04:37.260 価格は明らかにしていない。 04:37.260 --> 04:41.190 そして、 我々のモデルにとっての課題は、 これを仕上げることだ。 04:41.820 --> 04:48.840 前回、 我々が持っている効用関数を覚えているだろう。 04:49.260 --> 04:54.960 ええと、 前回これをやったとき、 値段はだいたい99だったと記憶している。 99歳は、 ブラブラ、 ブラブラだからだ。 04:54.990 --> 04:59.610 そして、 それを実行すれば、 もちろん "get price "関数はそこから価格を取り除くだけだ。 04:59.820 --> 05:01.920 ええと、 よくご存知だと思いますが。 05:02.370 --> 05:10.020 これがこれからテストする関数だ。 05:10.020 --> 05:18.270 GPTの微調整された応答は、 OpenAI ChatGPTの完了を作成し、 通常のGPTの4つのために、 あなたがそれを呼び出すのと同じように、 05:18.270 --> 05:20.010 それを呼び出します。 05:20.040 --> 05:21.570 ああ、 同じAPIだ。 05:21.600 --> 05:22.470 その通りだ。 05:22.470 --> 05:27.000 たった一つの違い、 ほんの小さな違い、 微細な違いだ。 05:27.030 --> 05:30.330 GPT4ミニではパスしない。 05:30.360 --> 05:38.850 この名前をOpenAIに送ります。 05:38.850 --> 05:44.160 そして、 それが微調整されたバージョンを使いたいことを意味することを自動的に認識する。 05:44.670 --> 05:47.430 私たちは返事を撤回し、 代金を受け取る。 05:49.080 --> 05:51.510 では、 1つだけ例をプリントしてみよう。 05:51.510 --> 06:01.380 テストセットの最初のもの、 つまり200ドルもするものと、 意表を突かれたものをプリントしてみよう。 06:01.380 --> 06:04.620 そして、 GPTを初めて微調整したと呼ぶことにする。 06:04.620 --> 06:06.480 結果をひとつ見てみよう。 06:07.410 --> 06:12.780 そう、 つまり、 さっきの数字はトレーニングの値段なんだ。 06:12.780 --> 06:15.120 これは最初のテスト品の価格である。 06:15.280 --> 06:18.010 では、 最初のテスト項目を見てみよう。 06:19.120 --> 06:19.330 だから 06:24.880 --> 06:26.620 見てみよう。 06:26.710 --> 06:32.290 フォード用のACコンプレッサー修理キットです。 06:32.290 --> 06:42.130 そして、 これは僕自身がやらなければならなかったことなんだけど、 そう、 明らかに最初のデータポイントについてはあまりいい仕事をしていない。 06:42.130 --> 06:48.490 重要なのは、 ロット全体でそれを行うことであり、 少なくとも私たちがすべてのテストで一貫して使用してきた250本である。 06:48.490 --> 06:53.410 では、 さっそく実行してみよう。 06:53.410 --> 06:58.540 だから、 最初の2、 3回は少し赤く見え、 その後少し良くなって緑になるが、 06:58.540 --> 07:00.160 その後は赤一色だ。 07:00.160 --> 07:04.630 そのため、 いくつかの結果が混在している。 07:05.440 --> 07:11.470 この時点で、 私は250人のためにあなたを吊るし上げるつもりはない。 07:11.470 --> 07:13.150 私は一時停止する。 07:13.150 --> 07:16.510 そして次のビデオで結果を明らかにする。 07:16.510 --> 07:17.770 そこで会おう。