توسعه دهنگان از این پس می‌توانند GPT-4o را براساس نیازهای خاص خود بهینه‌سازی کنند

به گزارش پیوست، طبق اعلام اوپن‌ای‌آی سازمان‌ها می‌توانند تا تاریخ ۲۳ سپتامبر با یک میلیون توکن رایگان در روز به بهینه‌سازی GPT-4o بپردازند.

بهینه‌سازی یا Fine-tuning چیست؟

در روند بهینه‌سازی ابزارهای هوش مصنوعی، توسعه دهنده یا سازمان مورد نظر، تغییرات و اصلاحاتی را بر یک مدل از پیش آموزش دیده اعمال می‌کند تا بیشتر با داده‌ها و نیازهای خاص او همخوانی پیدا کند.

به دلیل سهولت و هزینه پایین بهینه‌سازی مدل‌های از پیش آموزش دیده به جای آموزش یک مدل جدید براساس نیاز‌های سازمانی، بسیاری از توسعه دهندگان و کسب‌وکارها می‌توانند از مدل‌های قدرتمندی مثل GPT-4o به صورت بهینه‌سازی شده برای کاربرد‌های خاص خود استفاده کنند.

هوش مصنوعی پس از بهینه‌سازی عملکرد بهتری برای اهداف خاص شرکتی یا فرد خواهد داشت. برای مثال با بهینه‌سازی می‌توان لحن یک چت‌بات را با اهداف خود مطابقت داد یا سبک خاصی را براساس تم طراحی‌های شرکت برای مدل تولید عکس در نظر گرفت.

هزینه بهینه‌سازی GPT-4o چقدر است؟

طبق اعلام اوپن‌ای‌آی هزینه بهینه‌سازی GPT-4o در حالت عادی ۲۵ دلار در ازای هر یک میلیون توکن است و بخش استنباط هم ۳.۷۵ دلار برای هر یک میلیون توکن ورودی و ۱۵ دلار در ازای هر یک میلیون توکن خروجی هزینه دارد.

شروع روند بهینه‌سازی

اوپن‌ای‌آی می‌گوید از همین امروز تمام توسعه دهندگان در تمامی سطوح اشتراکی می‌توانند از این قابلیت استفاده کنند و به بهینه‌سازی GPT-4o براساس نیاز‌های خود بپردازند.

برای شروع کافی است به پیشخوان بهینه‌سازی اوپن‌ای‌آی مراجعه و گزینه ایجاد (create) را بزنید. سپس از بین مدل‌های پایه موجود گزینه gpt-4o-2024-08-06 را انتخاب کنید.

اوپن‌ای‌آی همچنین امکان بهینه‌سازی را برای مدل کوچک خود یا GPT-4o mini نیز فراهم کرده است که برای بهینه‌سازی این مدل باید در همان بخش انتخاب مدل‌های پایه، گزینه gpt-4o-mini-2024-07-18 را انتخاب کنید.

طبق اعلام شرکت برای بهینه‌سازی مدل کوچک یا GPT-4o mini ظرفیت رایگان بیشتری تا ۲۳ سپتامبر در نظر گرفته شده و توسعه دهندگان می‌توانند از ۲ میلیون توکن آموزشی رایگان در روز استفاده کنند.

حریم خصوصی و امنیت

اوپن‌ای‌آی می‌گوید مدل‌های بهینه‌سزای شده تحت کنترل کامل کاربر قرار دارند و مالکیت کامل داده‌های تجاری، از جمله ورودی و خروجی‌ها نیز در اختیار توسعه دهنده است. این شرکت داده‌های توسعه دهندگان (که برای بهینه‌سازی هوش مصنوعی براساس نیازهای خاص استفاده می‌شوند) را به اشتراک نگذاشته و در آموزش دیگر مدل‌ها استفاده نمی‌کند.

شرکت همچنین لایه‌های محفاظتی را برای تضمین عدم سو استفاده از مدل‌های بهینه‌سازی ده در نظر گرفته است و برای مثال به صورت مداوم و خودکار مدل‌های بهینه‌سازی شده را بررسی کرده و استفاده از آنها را برای اطمینان از اجرای سیاست‌ها زیر نظر می‌گیرد.