Zakończymy krótkim podsumowaniem typowych błędów, których będziesz chciał uniknąć podczas tworzenia kolejnej aplikacji GPT-3. Najpierw zapytaj, czy musisz używać GPT-3. Pomyśl o poziomie zaawansowania wymaganym w przypadku zadania lub problemu, który musisz rozwiązać. Wiele zadań jest na tyle trywialnych, że można je rozwiązać za pomocą innych, bardziej opłacalnych modeli uczenia maszynowego typu open source, z których część jest publicznie dostępna. Chociaż może to nie być tak ekscytujący początek rozmowy na przyjęciu koktajlowym, jak tworzenie aplikacji opartej na GPT-3, nie wszystko musi zostać rozwiązane poprzez zastosowanie największego i najbardziej wyrafinowanego modelu językowego na świecie. Kiedy masz młotek, wszystko wygląda jak gwóźdź, prawda? Cóż, przynajmniej cię ostrzegaliśmy. Jeśli GPT-3 rzeczywiście jest właściwym narzędziem do Twojego zadania, musisz zaakceptować i zaadresować, że został zbudowany w oparciu o korpus tekstowy, który stanowi część całego Internetu. Zamiast więc puszczać to wolno, rozsądnie byłoby poświęcić trochę czasu na stworzenie solidnych filtrów treści. Po zainstalowaniu filtrów możesz poświęcić trochę czasu na nadanie aplikacji obsługującej GPT-3 dokładnie taką osobowość i styl komunikacji, jakiego pragniesz, tworząc mniejszy, starannie wybrany zbiór danych zawierający próbki tekstu. Powinno to obejmować drażliwe tematy i zarys zachowań, które uważasz za pożądane w modelu. Dopracowanie modelu na tym zbiorze danych pozwala mu dostosować się do Twojego stylu i norm społecznych. Twój model może sprawiać wrażenie skończonego, ale nie krępuj się i natychmiast go wypuść. Zamiast tego wypuść go najpierw w prywatnej wersji beta i wypróbuj na niektórych użytkownikach testowych. Obserwuj, jak wchodzą w interakcję z modelem i zwróć uwagę, czy coś wymaga poprawy (co jest całkowicie normalne). Inną dobrą praktyką jest stopniowe zwiększanie bazy użytkowników, aby móc ulepszać aplikację z każdą iteracją.