Skip to main content

1. 生成式人工智能简介

她解释了人工智能和机器学习的区别，机器学习是人工智能的一个子领域，它通过输入数据训练模型，使计算机能够在没有明确编程的情况下学习。

机器学习模型可以是监督的，也可以是无监督的，监督模型使用标记的数据从过去的例子中学习并预测未来的值，而无监督模型则专注于发现原始数据中的模式。

深度学习是机器学习的一个子集，它使用人工神经网络处理比传统机器学习模型更复杂的模式。这些神经网络可以使用标记和未标记的数据，从而允许半监督学习。

  • 生成式人工智能是适用于这个学科的人工智能的一个子集。它试图学习数据和标签之间的关系，以生成新的内容。生成式人工智能输出自然语言、图像或音频，而非生成式人工智能输出数字或类别。
  • 生成式人工智能模型使用统计模型预测预期的响应，并根据它们接受训练的数据的基础结构生成新的内容。他们可以根据接收到的输入生成文本、图像、音频和决策的新颖组合。
  • 生成式人工智能的力量来自于使用了Transformers，这种技术在2018年彻底改变了自然语言处理 (Transformer模型的核心思想是“自注意力机制”/Self-Attention Mechanism，也被称为“自我注意力”或“注意力”。这种机制允许模型在处理一个词或短语时，同时考虑到与它相关的其他词或短语的信息。这种方式使得模型能够更好地理解语言的上下文，从而更准确地进行翻译或生成文本)。
  • 然而，Transformers也可能产生幻觉，这些是模型生成的无意义或语法错误的单词或短语。

人工智能中的基础模型是大型的预训练模型，可以适应或微调用于各种下游任务，如情感分析、图像字幕和对象识别。这些模型有可能革新医疗、金融和客户服务等行业，检测欺诈并提供个性化的客户支持。

视频还讨论了在软件开发中使用代码生成和生成式人工智能的用途。它提到了如Bard和生成式人工智能工作室等工具，可以帮助进行调试、代码转换和应用构建。

最后，视频描述了PALM API的会话式人工智能引擎，用户可以使用自然语言与应用进行交互。该API可以用来创建数字助手、自定义搜索引擎、知识库和培训应用。开发者可以将PALM API与Maker Suite集成，通过图形用户界面访问API。该套件包括模型训练、部署和监控的工具。

参考资料：

All Readings: Introduction to Generative AI (G-GENAI-I) ** **Here are the assembled readings on generative AI: