API ของ TxGemma

ทีเอ็กซ์เจมม่า API คือคอลเลกชันของโมเดลการเรียนรู้ของเครื่องจักรโอเพ่นซอร์สที่ออกแบบมาเพื่อสร้างคำทำนาย การจำแนกประเภท หรือข้อความโดยอิงจากข้อมูลที่เกี่ยวข้องกับการรักษา

คุณสมบัติของ TxGemma

TxGemma คือคอลเลกชันของโมเดล AI ที่ได้รับการปรับแต่งจากสถาปัตยกรรม Gemma ของ Google โดยออกแบบมาโดยเฉพาะสำหรับการใช้งานด้านการรักษา คุณสมบัติหลัก ได้แก่:

• การฝึกอบรมเฉพาะทาง:โมเดล TxGemma ได้รับการฝึกฝนจากตัวอย่างประมาณ 7 ล้านตัวอย่างที่เกี่ยวข้องกับงานการรักษา ช่วยให้สามารถคาดการณ์คุณสมบัติของสารที่ใช้ในการรักษาได้ตลอดกระบวนการค้นพบยา
• รุ่น Variants:ชุดโปรแกรมประกอบด้วยโมเดลที่มีขนาดแตกต่างกัน—2 พันล้าน (2B), 9 พันล้าน (9B) และ 27 พันล้าน (27B) พารามิเตอร์—เพื่อรองรับทรัพยากรการคำนวณและความต้องการแอปพลิเคชันที่หลากหลาย
• ทำนายและแชทเวอร์ชัน:แต่ละขนาดโมเดลมีเวอร์ชัน 'ทำนาย' สำหรับงานเฉพาะ เช่น ทำนายความเป็นพิษ และเวอร์ชัน 'แชท' สำหรับการวิเคราะห์ข้อมูลแบบสนทนา ช่วยอำนวยความสะดวกในการสอบถามที่ซับซ้อนและการสนทนาหลายรอบ

ตัวชี้วัดประสิทธิภาพของ TxGemma

ประสิทธิภาพของโมเดลเหล่านี้ได้รับการประเมินอย่างเข้มงวดในงานบำบัดต่างๆ:

• เปรียบเทียบ:เวอร์ชันการคาดการณ์ 27B แสดงให้เห็นประสิทธิภาพที่เหนือกว่า เหนือกว่าหรือเทียบเท่าโมเดลล้ำสมัยก่อนหน้าในงาน 64 งานจากทั้งหมด 66 งาน และเหนือกว่าโมเดลเฉพาะทางในงาน 26 งาน
• ความหลากหลายของงาน:มีความโดดเด่นในด้านการจำแนกประเภท (เช่น การคาดการณ์การซึมผ่านของเกราะป้องกันเลือดและสมอง) การถดถอย (เช่น การประมาณความสัมพันธ์ในการจับตัวของยา) และงานการสร้าง (เช่น การอนุมานชุดสารตั้งต้นจากผลิตภัณฑ์ปฏิกิริยา)

รายระเอียดทางเทคนิค

สถาปัตยกรรมและวิธีการฝึกอบรมมีความสำคัญต่อขีดความสามารถของมัน:

• รุ่นรองพื้น:TxGemma ซึ่งสร้างขึ้นบนสถาปัตยกรรม Gemma ของ Google ใช้ประโยชน์จากโมเดลตัวแปลงตัวถอดรหัสเท่านั้นที่ได้รับการปรับให้เหมาะสมสำหรับงานการสร้างข้อความ
• ข้อมูลการฝึกอบรม:โมเดลได้รับการปรับแต่งอย่างละเอียดโดยใช้ชุดข้อมูลที่หลากหลายจำนวน 7 ล้านตัวอย่างการรักษา เพิ่มความแม่นยำในการทำนายในบริบทของการพัฒนายา
• ประสิทธิภาพการคำนวณ:ได้รับการออกแบบมาเพื่อรักษาสมดุลระหว่างประสิทธิภาพและความต้องการในการคำนวณ โดยโมเดล TxGemma สามารถเข้าถึงได้สำหรับนักวิจัยที่มีทรัพยากรที่หลากหลาย

วิวัฒนาการจาก Tx-LLM สู่ TxGemma

โมเดลเหล่านี้แสดงถึงวิวัฒนาการจากรุ่นก่อน Tx-LLM:

• การเข้าถึงที่เพิ่มขึ้น:แม้ว่า Tx-LLM จะได้รับความสนใจเป็นอย่างมาก แต่ TxGemma ก็ยังนำเสนอโมเดลแบบเปิดในระดับปฏิบัติจริง ช่วยให้การนำไปใช้และปรับแต่งในวงกว้างมากขึ้น
• ปรับปรุงประสิทธิภาพ:โมเดล TxGemma แสดงให้เห็นความสามารถในการทำนายที่ได้รับการปรับปรุง โดยแข่งขันกับโมเดลเฉพาะทางในงานการรักษาต่างๆ มากมาย

ข้อดีของ TxGemma

การนำโมเดลเหล่านี้มาใช้ในการพัฒนาการรักษาให้ข้อดีหลายประการ ดังนี้:

• เร่งการค้นพบยา:ด้วยการคาดการณ์คุณสมบัติของสารที่ใช้รักษาอย่างแม่นยำ TxGemma สามารถลดเวลาและต้นทุนที่เกี่ยวข้องกับการนำวิธีการรักษาใหม่ๆ สู่ตลาดได้
• การเข้าถึงแบบโอเพ่นซอร์ส:เนื่องจากเป็นโมเดลแบบเปิด TxGemma จึงช่วยให้นักวิจัยปรับแต่งและดัดแปลงโมเดลให้เหมาะกับชุดข้อมูลและงานเฉพาะได้ ช่วยส่งเสริมนวัตกรรมและการทำงานร่วมกัน
• ความหลากหลายในการทำอาหาร: :ความพร้อมใช้งานของโมเดลในขนาดและเวอร์ชันที่แตกต่างกันทำให้สามารถนำไปใช้กับงานต่างๆ ได้หลากหลาย ตั้งแต่การวิเคราะห์เชิงคาดการณ์ไปจนถึงการวิเคราะห์ข้อมูลเชิงสนทนา

ตัวชี้วัดทางเทคนิค

ประสิทธิภาพทางเทคนิคได้รับการเน้นย้ำด้วยตัวบ่งชี้หลายประการ:

• ประสิทธิภาพของพารามิเตอร์:แม้ว่าจะมีขนาดที่แตกต่างกัน แต่โมเดล TxGemma ทั้งหมดก็รักษาสมดุลระหว่างความซับซ้อนและประสิทธิภาพในการคำนวณ เพื่อให้แน่ใจว่าผู้ใช้ที่มีความจุทรัพยากรต่างกันสามารถเข้าถึงได้
• การปรับแต่งคำสั่ง:เวอร์ชัน 'แชท' จะรวมข้อมูลการปรับแต่งคำสั่งทั่วไป ซึ่งทำให้สามารถอธิบายเหตุผลและมีส่วนร่วมในการอภิปรายที่ซับซ้อนได้ จึงช่วยเพิ่มความสามารถในการตีความ

สถานการณ์แอ็พพลิเคชัน

ความคล่องตัวช่วยให้สามารถนำไปประยุกต์ใช้ในขั้นตอนต่างๆ ของการพัฒนาการบำบัด:

• การระบุเป้าหมาย:ช่วยระบุเป้าหมายทางชีววิทยาที่มีแนวโน้มสำหรับการบำบัดใหม่ๆ
• การทำนายคุณสมบัติของยา:การประเมินความปลอดภัย ประสิทธิผล และความสามารถในการดูดซึมของยาที่เป็นไปได้
• การคาดการณ์ผลลัพธ์ของการทดลองทางคลินิก:คาดการณ์ผลลัพธ์ที่เป็นไปได้ของการทดลองทางคลินิก ช่วยในการออกแบบการทดลองและการจัดสรรทรัพยากรที่ดีขึ้น

เคล็ดลับการใช้งาน

เพื่อให้เกิดประโยชน์สูงสุด:

• ปรับจูน:ใช้สมุดบันทึก Colab ที่ให้มาเพื่อปรับแต่งโมเดล TxGemma ด้วยข้อมูลที่เป็นกรรมสิทธิ์ เพิ่มความแม่นยำในการทำนายสำหรับแอปพลิเคชันเฉพาะ
• การบูรณาการกับระบบ Agentic:รวม TxGemma เข้าในระบบตัวแทนเช่น Agentic-Tx เพื่อจัดการกับปัญหาการวิจัยที่ซับซ้อนหลายขั้นตอน โดยใช้ประโยชน์จากความสามารถในการใช้เหตุผลร่วมกับเครื่องมืออื่นๆ
• พารามิเตอร์การสุ่มตัวอย่างที่เหมาะสมที่สุด: เมื่อใช้สำหรับการสร้างข้อความ ให้กำหนดค่าพารามิเตอร์การสุ่มตัวอย่างอย่างเหมาะสม (เช่น อุณหภูมิ: 1.0, top-k: 64, top-p: 0.95)

ดูเพิ่มเติม Grok3 API ภาษาไทย

สรุป

Google AI เปิดตัวโมเดลเหล่านี้ด้วยความตั้งใจที่จะปรับปรุงโลกของเราและเพิ่มประสิทธิภาพ โมเดลเหล่านี้ไม่เพียงแต่เป็นเครื่องมือ แต่ยังช่วยส่งเสริมการพัฒนาในทุกอุตสาหกรรม ภาษา และจริยธรรมอีกด้วย

ปัญญาประดิษฐ์เปิดประตูสู่ขอบเขตใหม่ๆ อย่างไรก็ตาม เมื่อต้องตัดสินใจเลือกใช้เทคโนโลยีดังกล่าว เราควรคำนึงถึงความปลอดภัยเป็นอันดับแรก การใช้ข้อดีของ AI ของ Google จะช่วยให้เราสร้างโครงการ AI ทั้งหมดได้อย่างมีความรับผิดชอบ

วิธีการเรียกใช้ API ของ TxGemma จาก CometAPI

1.ล็อกอิน ไปยัง โคเมตาปิดอทคอม. หากคุณยังไม่ได้เป็นผู้ใช้ของเรา กรุณาลงทะเบียนก่อน

2.รับรหัส API ของข้อมูลรับรองการเข้าถึง ของอินเทอร์เฟซ คลิก "เพิ่มโทเค็น" ที่โทเค็น API ในศูนย์ส่วนบุคคล รับคีย์โทเค็น: sk-xxxxx และส่ง

3. รับ URL ของเว็บไซต์นี้: https://api.cometapi.com/

4. เลือก TxGemma เพื่อส่งคำขอ API และตั้งค่าเนื้อหาคำขอ วิธีการคำขอและเนื้อหาคำขอจะได้รับจาก เอกสาร API ของเว็บไซต์ของเราเว็บไซต์ของเรายังให้บริการทดสอบ Apifox เพื่อความสะดวกของคุณอีกด้วย

5. ประมวลผลการตอบสนองของ API เพื่อรับคำตอบที่สร้างขึ้น หลังจากส่งคำขอ API แล้ว คุณจะได้รับอ็อบเจ็กต์ JSON ที่มีคำตอบที่สร้างขึ้น