Создание генератора цМемов об изменении климата
climate-change global-warming

Создание генератора цМемов об изменении климата

23 ноября 2022 г.

Мемы — самый эффективный мессенджер в современном обществе. Есть ли какое-либо другое средство, которое может распространить мощное заявление по всему миру так же быстро и эффективно, как хороший мем? Этот мыслительный процесс вдохновил мою группу на участие в недавнем хакатоне OpenAI «Климат: Мем-движок об изменении климата». Прежде чем мы перейдем к мемам, давайте вернемся на секунду назад, чтобы добавить дополнительный контекст.

На прошлой неделе OpenAI провела хакатон, посвященный изменению климата. Нет, это не требовало от нас «взлома» чьего-либо компьютера. Цель была двоякой:

  1. Разработать инновационный инструмент, который поможет смягчить последствия глобального потепления.
  2. Включите в этот инструмент предварительно обученные алгоритмы OpenAI (например, Dalle, GPT-3)

Эти предварительно обученные алгоритмы искусственного интеллекта (ИИ) являются одними из самых продвинутых моделей, в которых машины способны понимать человеческий текст/символы и генерировать на их основе текст и изображения. Слово «понимание» немного вводит в заблуждение. Эти модели были обучены на тысячах текстов и изображений, чтобы найти закономерности, характерные для того, как люди общаются с помощью текста. В процессе обучения использовались вложенные математические функции, которые должны были оптимизироваться для конкретной цели. На выходе были мощные, предварительно обученные модели обработки естественного языка. Когда я говорю «мощный», я не имею в виду ИИ, у которого есть что-то похожее на человеческую совесть.

Поскольку эти модели предварительно обучены, основная часть усилий на хакатоне была смещена на определение проблемы, быстрое проектирование, точную настройку модели и любые усилия по разработке приложений. * Эти модели требуют набора текста в качестве входных данных (т. приглашение), а вывод представляет собой текст или изображение, связанное с приглашением. Разработка подсказок относится к практике использования подсказок для получения желаемого результата. Тонкая настройка модели — это процесс подачи новых данных для уточнения этих моделей, чтобы привести их к желаемому результату. Например, если бы я хотел использовать GPT-3 для написания статей, близких к моему стилю, я бы точно настроил его с текстом из моих предыдущих статей. Я сделал это в отдельной статье

.

Для Климатического Хакатона мы определили следующие цели:

* Вызывать энтузиазм у широких масс, который ставит риски глобального потепления на первое место в сознании общественности. * Сделать глобальное потепление «крутой» проблемой для обсуждения (каламбур :)) * Чтобы воспользоваться сетевым эффектом распространения идей в Интернете

Для создания мемов, связанных с изменением климата, наш процесс должен выглядеть примерно так, как показано на блок-схеме ниже.

Image by author

Преобразование «Создать концепцию изменения климата» в код Python довольно просто с помощью GPT-3. Это выглядит так:

import openai

api_key = <insert api key>
openai.api_key = api_key

concept = openai.Completion.create(
    model='text-davinci-002',
    prompt="Generate a concept related to climate change:n",
    temperature=1,
    max_tokens=20,
    top_p=1,
    frequency_penalty=1,
    presence_penalty=0
    )

print(concept.choices[0].text)

В приведенном выше коде мы выбрали параметры, которые ограничивали количество символов до 20 (т. е. max_tokens) в выводе и максимизировали случайность (т. е. температуру). Вы заметите, что подсказка для GPT-3 написана простым английским языком. Все, что можно прочитать в компьютерном коде, является приятным сюрпризом. Результатом этого кода является случайная концепция, связанная с изменением климата, например «Устойчивый транспорт», «Подъем уровня моря из-за таяния полярных льдов или «Глобальное потепление».

Используя эту концепцию, мы попросили GPT-3 «Описать забавное изображение, представляющее это [вставьте концепцию сверху]». Продолжая концепцию "Глобального потепления", одним из выходов был "Таяние полярной ледяной шапки с пингвином, отдыхающим на нем и наслаждающимся теплой погодой".

Затем мы попросили GPT-3 написать подпись к этому описанию изображения, а Dalle — вывести изображение на основе этого описания. Получив подпись и изображение, мы объединили их в мем. Процесс можно обобщить с помощью таблицы подсказок и ответов, как показано ниже.

Table by author

Используя некоторый дополнительный код Python для объединения изображения и подписи, на выходе получился мем с пингвином, упомянутым в подписи выше.

Image by Dalle

Этот мем может показаться не таким уж большим, но я гарантирую, что он путешествует по Интернету быстрее, чем ученый, говорящий об опасностях глобального потепления. Он очеловечивает пингвина, который испытывает печаль и одиночество из-за ужасных последствий расплавления его дома. Люди будут сопереживать пингвину, когда они столкнутся с этим мемом об изменении климата в цифровом мире. Помните, картинка стоит тысячи слов.

~ Универсальный специалист по данным

Консультант по вопросам работы с данными

* Предварительно обученные модели, скорее всего, изменят ожидаемый набор навыков специалистов по обработке и анализу данных. Я предсказал этот тип изменений 2 года назад в предыдущая статья, в которой специалисты по обработке и анализу данных делятся на более технические и более науку о бизнесе/принятии решений.

Код генератора мемов опубликован на Github.

Нет природы, нет будущего Изображение: https://unsplash.com/@markusspiske

:::информация Также опубликовано здесь.

:::

Оригинал

Recent Post

Categories

PREVIOUS ARTICLE
NEXT ARTICLE