http://www.7klian.com

  • 莱特币
  • 以太坊
  • EOS
  • 瑞波币
  • 比特股
  • 狗狗币
  • Zcash
  • 门罗币
  • 曲速将来 宣布:GPT-3来了,加密钱币需关键怕吗?

    生意业务计策。显然,假如事实证明Transformer架构可应用于金融数据集,这类架构大概会对加密钱币的量化计策发生重大影响。总的来说,深度神经网络为量化生意业务开辟了新的规模。从线性回归和决定树等基本呆板进修模子来看,量化基金正在研究巨大的深度进修计策。

    第一代Transformer架构聚焦于语言任务。可是部门公司最近已经颁发了将Transformer应用于图像分类的相关研究。有人或者认为此举只是在实验伪造图像。可是这一研究的意义远不止如此。


    GPT-3模子可以或许执行多项语言任务,譬喻,呆板翻译、答复问题、语言阐明以及文本生成。GPT-3生成的伪造文本甚至可以或许以假乱真,引起了新闻媒体的留意。

    从观念上来说,留意力机制会调查输入序列,并在每个步调中抉择输入序列中较量重要的部门。譬喻,在呆板翻译场景中,留意力机制会聚焦于那些编码器“应该留意的”单词,以便执行翻译。

    当初,包括15亿个参数的GPT-2模子震惊了全世界。短短一年之内,,这一记载先是被微软的Turing-NLG冲破,又被包括1750亿个参数的GPT-3碾压。简而言之,就Transformer架构而言,大等于好。

    去中心化的Transformer架构。今朝,人们在尽力将Transformer模子应用到SingularityNet等去中心化的AI架构中。此举将拓展Transformer模子的应用场景。迄今为止,GPT-3等Transformer模子都是大公司的特权。只有大公司的AI尝试室才有足够的数据和资源来构建并运行如此大局限的神经网络。去中心化AI为我们提供了另一种方案,可以在基于鼓励机制运行的去中心化网络中练习、执行并监控Transformer架构。

    就像那些已经在去中心化基本设施中运行的神经网络架构那样,我们很快就能瞥见GPT-3之类的模子运行在去中心化AI平台上。

    雷火电竞网址链安详咨询公司 曲速将来 暗示:已往几年来,新推出的文本生成器模子GPT-3在加密钱币社区引起了热议。一些人表达了对GPT-3的好奇心,另一些人却有些极度,声称加密钱币社区应该对此感想惊骇。

    在没有大型已标志数据集的环境下,图像造假对付简化图像分类模子的练习来说至关重要。已经有人实验将Transformer架构应用于金融时间序列数据集,但愿可以改造量化生意业务计策。

    GPT-3是在深度进修架构Transformer的基本上开拓的。Transformer架构的主要创新之处是“留意力机制”观念。留意力机制凡是用来办理Seq2Seq问题。所谓的Seq2Seq问题,指的就是将一个序列(单词、字母、数字)处理惩罚后,输出另一个序列的问题。这类问题常见于文本生成、呆板翻译和答复问题等语言智能场景。

    GPT-3背后的奥秘

    什么是GPT-3?

    每当你瞥见一个Seq2Seq场景,你都应该将它与编码器-解码器架构接洽起来。编码器会捕捉输入序列的语境,并将它通报给解码器,由解码器生成输出序列。通过识别输入中应该“留意”的要害部门,留意力机制办理了传统神经网络架构的范围性问题。

    既然我们已经先容了Transformer架构和GPT-3的配景常识,不妨再来思考一下文章开头的问题:GPT-3真的倒霉于加密钱币吗?

    没错,GPT-3确实令人瞩目,可是没须要恐惊它。相反,我们应该操作这些AI技能,将加密钱币酿成史上最智能的资产。

    虽然了,GPT-3模子确实可以生成虚假新闻,从而影响币价,这并非玩笑。可是我认为,就今朝的环境而言,GPT-3不会威胁到加密钱币行业。更有趣的是,Transformer架构大概对下一代加密钱币智能办理方案发生影响。以下是一些值得思量的场景:

    如此热烈的回声不免会让人以为有些奇怪,因为GPT模子已经不新鲜了。已往一年来,呆板进修社区都在努力接头这一话题。首个GPT模子的研究颁发于 2018年6月。之后,2019年2月,GPT-2模子宣布,最后就是3个月前的GPT-3模子。

    GPT-3是一个复杂的自然语言领略(NLU)模子,利用多达 1750 亿个参数来处理惩罚多项语言任务。因此,GPT-3成了全球最大的NLU模子,高出了微软的Turing-NLG模子及其前身GPT-2模子。

    作为原生数字资产,加密钱币最适合回收量化计策。轮回神经网络(RNN)和卷积神经网络(CNN)等技能在量化投资规模大受接待,并且在暗码学技能中发挥了很好的浸染。就像在语言阐明方面那样,Transformer架构大概优于CNN和RNN,尤其是在将“留意力”会合到一个数据集的某些部门(譬喻,2020年3月的比特币崩盘),以及处理惩罚海量生意业务(譬喻,雷火电竞网址链生意业务)方面。

    GPT-3是一种基于语言的模子,因此在文本数据荟萃的基本上运行。从加密钱币市场的角度来看,这种成果固然很酷,可是必定没那么有趣。我们真正应该存眷的是GPT3背后的技能。

    本文内容由 曲速将来 (WarpFuture.com) 安详咨询公司整理编译,转载请注明。 曲速将来提供包罗主链安详、生意业务所安详、生意业务所钱包安详、DAPP开拓安详、智能合约开拓安详等相关雷火电竞网址链安详咨询处事。

    GPT-3和Transformer架构是深度进修成长史上的庞大打破。在接下来的几年,我们大概会看到Transformer架构渗透进深度进修的方方面面,并且这种影响力大概会扩散至金融市场。加密钱币会成为受益者。

    支持GPT-3模子的Transformer架构是传统的编码器-解码器架构,通过插入留意力块来提高效率。留意力块的浸染是完整查察全部的输入和当前输出,揣度相关性,从而优化最终输出的生成进程。

    这与加密钱币有什么干系?想象一下,假如有人能按期生成虚假的新闻稿来影响小币种的价值,听起来是不是很可骇?可是这并不是GPT-3最主要的成果。

    由Transformer架构生成的模子可以颠末海量数据集的练习,并实现高效并行化。果不其然,在论文颁发后,各公司竞相构建超大模子来处理惩罚差异的语言任务。

    Transformer和加密钱币

    郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

    说点什么吧
  • 全部评论(0
  • 还没有评论,快来抢沙发吧!

    相关文章阅读