Współczesna sztuczna inteligencja od dawna dąży do opracowania modeli, które mogą wykonywać funkcje predykcyjne na danych, których nigdy wcześniej nie widziały. Ten ważny obszar badań nazywany jest uczeniem się od zera. Podobnie klasyfikacja zerowa to zadanie klasyfikacyjne, w przypadku którego nie jest wymagane wcześniejsze szkolenie ani dostrajanie oznaczonych danych, aby model mógł sklasyfikować fragment tekstu. GPT-3 generuje obecnie wyniki dla niewidocznych danych, które są lepsze lub porównywalne z najnowocześniejszymi modelami sztucznej inteligencji dostosowanymi do tego konkretnego celu. Aby przeprowadzić klasyfikację zerową za pomocą GPT-3, musimy zapewnić mu kompatybilny monit. Oto przykład klasyfikacji zerowej, której celem jest przeprowadzenie analizy polegającej na sprawdzeniu faktów w celu ustalenia, czy informacje zawarte w tweecie są prawidłowe, czy nieprawidłowe. Rysunek przedstawia całkiem imponujący wynik klasyfikacji poprawności informacji w oparciu o przykład zerowy
A oto nasza zachęta:
Przeanalizuj tweeta pod kątem poprawności informacji.
Tweet: „Ponad 50% światowych naukowców w to nie wierzy
zmiana klimatu.”
Analiza:
I wynik:
Tweet jest nieprawidłowy.