You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 

298 lines
9.9 KiB

WEBVTT
00:02.030 --> 00:07.640
さて、 2日目のJupyter LabでRagのワークフローを完成させる時が来た。 3.
00:07.670 --> 00:13.490
このGetprice関数は、 文字列を受け取ってそこから浮動小数点数を取り出すという超シンプルなもので、
00:13.490 --> 00:17.690
もうお馴染みですね。
00:17.690 --> 00:21.620
そして今度はGPT for miniの機能だ。
00:21.830 --> 00:26.600
私たちがしていることは、 書類と値段を言うことです。
00:26.600 --> 00:27.860
だからアイテムで渡される。
00:27.860 --> 00:30.200
その項目に似たものを見つける。
00:30.200 --> 00:35.570
そしてOpenAI chat dot completions dot createと呼ぶ。
00:35.660 --> 00:38.210
ミニにはGPTを指定する。
00:38.240 --> 00:42.290
メッセージはmessages forという関数を使って渡す。
00:42.410 --> 00:43.400
そして種を与える。
00:43.400 --> 00:45.110
5トークンを返してほしい。
00:45.110 --> 00:50.690
そして返ってきたものは、 レスポンス・ドット・チョイス・ゼロ・ドット・メッセージ・コンテンツと言う。
00:50.690 --> 00:57.050
そして、 そこから番号を抜き出すために、 返信に価格を求める電話をかける。
00:57.170 --> 00:59.420
それがすべてだ。
00:59.420 --> 01:02.670
ここで夢中になる前に、 ひとつ試してみよう。
01:02.970 --> 01:15.810
ええと、 じゃあ、 GPTの4番ミニボロで、 今見たクラッチのテスト1回でパスします。
01:16.110 --> 01:18.360
何が返ってくるか見てみよう。
01:19.470 --> 01:30.000
ええと、 201ドルと45ドルが返ってきました。 では、 実際のところ、 テスト・ワン・ドット・プライスはいくらなのか見てみましょう。
01:32.160 --> 01:33.540
かなり近いよ。
01:33.540 --> 01:34.530
かなり近いよ。
01:34.530 --> 01:35.610
あれを見ろ。
01:35.910 --> 01:39.930
とても素早く走れるのが素晴らしい。
01:39.930 --> 01:41.880
そして、 そこで起こったことのすべてを見ることができる。
01:41.880 --> 01:44.610
似たような項目を5つも調べた。
01:44.610 --> 01:55.230
OpenAIに送信するプロンプトには、 類似した5つのアイテムのコンテキストを組み込んだ。
01:55.230 --> 02:00.600
そして電話をかけ、 返事が返ってきて、 値段を抜き出し、 いくらかかったかを教えてくれた。
02:00.600 --> 02:02.640
そして、 かなり近づいた。
02:02.650 --> 02:03.700
そういうことだ。
02:03.730 --> 02:06.610
以前のテスターを覚えているだろうか?
02:06.640 --> 02:12.370
250の、 えー、 トップの、 えー、 テスト結果をテストするための私たちのフレームワーク。
02:12.400 --> 02:14.860
そして、 私たちがモデルを発表した場所を覚えているだろうか?
02:14.890 --> 02:16.810
あー、 確かに考えるのは怖いね。
02:16.840 --> 02:21.490
しかし、 フロンティア・モデルには大きなメリットがある。
02:21.490 --> 02:23.410
ええと、 これでどうなるんですか?
02:23.410 --> 02:28.000
では、 この時点で走らせて、 どうなるか見てみようか?
02:28.060 --> 02:31.690
そうこうしているうちに出発するんだ。
02:31.690 --> 02:34.750
そして、 ここにはすでにたくさんのグリーンが見える。
02:34.810 --> 02:38.110
ええと、 もちろん、 多くの情報を得るためだ。
02:38.110 --> 02:42.640
エージェント・フォルダーで私がやったことをお見せしたい。
02:43.120 --> 02:49.390
Agentフォルダの中に、 Frontier Agentというものを作りました。 これは、
02:49.390 --> 02:54.130
今見てきたコードをそのまま本番用のコードにしたものです。
02:54.130 --> 03:00.730
この赤い海を見ればわかるように、 コメントを入れている。 これは重要なステップであり、
03:00.730 --> 03:08.660
ヒントを入れることで、 途中で何をしているのかがわかるようにしている。
03:08.810 --> 03:13.190
そして、 見ていくとわかるが、 とてもシンプルだ。
03:13.190 --> 03:14.330
同じものだよ。
03:14.330 --> 03:23.330
Make context は、 プロンプトメッセージに挿入するコンテキストを作成し、 そのオープンAIフォーマットでメッセージリストを作成する。
03:23.450 --> 03:30.500
各パラメーターにコメントを付けて、 何が返されるかを指定するこの方法には慣れているかもしれない。
03:30.830 --> 03:37.670
また、 文字列のリストや、 文字列をキーとし文字列を値とする辞書のリスト、 そしてクロマ・ゲット・プライスで検索し、
03:37.760 --> 03:49.820
指定されたものに類似したアイテムのリストを返すfind similaresを指定する、 より洗練された型ヒントもここで見ることができる。
03:49.820 --> 03:50.600
私たちはそれをよく知っている。
03:50.600 --> 03:54.410
そして最後に、 このプライスメソッドだ。
03:54.650 --> 04:02.900
スーパークラスであるエージェントのサブクラスであるFrontier
04:03.050 --> 04:07.850
Agentというクラスの一部である。
04:07.850 --> 04:13.730
そしてまた、 Jupyterの世界からよりプロダクション・レディなコードに移行することの違いを理解するための学習の一環として、
04:13.730 --> 04:18.770
このようなジャンプをするのです。
04:18.800 --> 04:25.580
そして通常、 VSCodeやPyCharmのようなツールでこれを構築することになる。
04:25.610 --> 04:31.400
私はPyCharmを愛用することが多いが、 JupyterLabを使うこともできる。
04:31.400 --> 04:37.580
Jupyter Labでコードを書くこともできるが、 この種のことのために設計され、 より良くするアイデアがある。
04:37.580 --> 04:43.250
そして、 どんなコメントを書けばいいか、 あなたのプロンプトを埋めていくようなこともする。
04:43.250 --> 04:46.580
だから、 ここまで来たらIDEを使う価値がある。
04:47.300 --> 04:48.260
分かった。
04:48.290 --> 04:53.900
うまくいっているのかどうか、 十分な時間、 おしゃべりできたと思う。
04:55.250 --> 04:56.210
もうすぐだ。
04:56.210 --> 04:56.990
もうすぐだ。
04:56.990 --> 04:58.670
そうだ。
04:58.790 --> 05:02.900
さて、 ここで気づいたことがある。
05:02.900 --> 05:10.980
まず第一に、 GPT4ミニやラグなしのGPT4よりも大幅に優れている。
05:10.980 --> 05:21.330
私たちは大きく舵を切ったが、 まだ、 そこで展開したフロンティア・モデルの微調整がうまくいっている段階だ。
05:21.420 --> 05:26.610
だから、 ボロパイプラインをベースにしたGPTの4人にもまだ勝てるんだ。
05:26.880 --> 05:31.860
しかし、 ラグ・パイプラインが健闘し、 ここまで近づいたのは素晴らしいことだ。
05:32.130 --> 05:35.400
だから、 ここに美しいチャートのようなものを見ることができる。
05:35.700 --> 05:37.740
とても楽しかった。
05:37.800 --> 05:41.880
ああ、 それを楽しんで、 同じものを見てほしい。
05:41.880 --> 05:46.290
このコードに目を通して、 作成されたプロンプトを見て、 これらのプロンプトのいくつかをプリントアウトして、
05:46.290 --> 05:52.890
私たちが基本的に、 よりマニュアルに近い方法で行ってきたことを納得してください。
05:52.890 --> 05:59.340
ラング・チェーンが以前自動化してくれていたことを、 まさにラッパー・コードで実現したのだ。
05:59.340 --> 06:04.440
私たちは現地に赴き、 ある品物を手に取り、 似たような品物を5つ見つけた。
06:04.440 --> 06:06.760
私たちはそれをいくつかの文脈にまとめました。
06:06.760 --> 06:08.950
そして、 これがGPT4に送ったものだ。
06:09.220 --> 06:14.470
そうすることで、 そうしなかったときよりも格段に良い結果が得られた。
06:14.500 --> 06:16.960
もちろん、 試してみた。
06:16.960 --> 06:18.970
5分でパスした。
06:19.030 --> 06:20.020
結果
06:20.020 --> 06:22.090
これがハイパーパラメーターと呼ばれるものだ。
06:22.090 --> 06:24.130
その10人にしたらどうなるかを探ることができる。
06:24.160 --> 06:25.630
二つにしたらどうなる?
06:25.750 --> 06:28.810
5点ということは、 これでも超安いということだ。
06:28.810 --> 06:30.820
これだけやっても1セントか2セントだ。
06:31.120 --> 06:31.750
もちろん、 そうすべきだ。
06:31.780 --> 06:34.510
万が一、 価格設定が異なるかもしれないので、 自分で確認するべきだが。
06:34.510 --> 06:35.980
でも、 とても安いんだ。
06:36.160 --> 06:38.590
うーん、 10回にしたら、 そうなり始めるだろうね。
06:38.620 --> 06:39.850
その倍はかかるだろう。
06:40.030 --> 06:43.600
実際にはその倍は下らないが、 もう少し高くなる。
06:43.600 --> 06:51.700
だから、 無理のない範囲でいろいろ試してみて、 どう思うか、 どうなるか試してみる価値はあると思う。
06:51.730 --> 07:06.670
とにかく、 これでボロ布のパイプラインは終わり。
07:06.670 --> 07:06.670
4で、 再びランダムフォレストとアンサンブルモデルについて話し始める。
07:06.700 --> 07:07.600
ではまた