Super Duper GANs

Doktorský student právě publikoval průlomovou architekturu modelu nazvanou Super Duper GANs. Různé subjekty v ekosystému AI mohou reagovat způsoby, které adopci a rozvoj této nové technologie buď urychlí, nebo zpomalí.

Toto cvičení je součástí kurzu

Generative AI Concepts

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení

Toto cvičení je součástí kurzu

Generative AI Concepts

SkillTag.level.beginnerSkillTag.label

4.8+

Začněte kurz zdarma

Seznámíš se s pojmem generativní AI a její schopností vytvářet obsah, včetně praktických aplikací a omezení. Prozkoumáš rozdíly mezi tradičními modely strojového učení, generativní AI a umělou obecnou inteligencí (AGI) a zjistíš, jaké klíčové faktory pohánějí rozvoj generativní AI.

Exercise 1: Co je generativní AI?Exercise 2: Seznámení s generativní AI Exercise 3: Práce s generativním modelem AI Exercise 4: Využití generativní AI Exercise 5: Generativní AI v oblasti strojového učení Exercise 6: Správný nástroj pro správnou práci Exercise 7: Rozdíl mezi generativní AI a tradičním strojovým učením Exercise 8: Více psů a GANy Exercise 9: Vývoj generativní AI Exercise 10: Co posouvá obor vpřed Exercise 11: Transformery Exercise 12: Průlomy v generativní AI

V této kapitole si projdeme zásadní kroky při vytváření modelů generativní AI: výzkum a návrh, sběr dat, trénování modelu a jeho vyhodnocení. Podíváme se na důležitost rozmanitých datových sad a pokročilých trénovacích technik, stejně jako na různé metody hodnocení modelů – včetně jejich silných stránek a omezení.

Exercise 1: Návrh modelu a sběr dat Exercise 2: Výzkum a návrh Exercise 3: Nečekaný přísun dat?Exercise 4: Trénování modelu Exercise 5: Faktory ovlivňující trénování modelu Exercise 6: Techniky pro vývoj specializovaných modelů Exercise 7: Hodnocení modelu Exercise 8: Animace PixAIr Exercise 9: Pomoz Intellibrand s hodnocením modelu

Tato kapitola se zaměřuje na zodpovědné používání generativní AI. Probereme výzvy a strategie ke zmírnění společenských předsudků, otázky duševního vlastnictví a ochrany soukromí, a také etické aspekty prevence zneužití. Na závěr se podíváme na obrovský potenciál i rizika umělé obecné inteligence (AGI) a na přístupy, jak řídit její výstupy.

Exercise 1: Hodnocení a zmírňování společenských předsudků Exercise 2: Zdroje zkreslení Exercise 3: Odhalování a zmírňování zaujatosti Exercise 4: Autorská práva a vlastnictví Exercise 5: Právní a soukromí aspekty Exercise 6: Identifikace nároků na vlastnictví duševního vlastnictví Exercise 7: Zodpovědné využití generativní AI Exercise 8: Principy použití Exercise 9: Zavádění odpovědných postupů v oblasti AI Exercise 10: Umělá obecná inteligence (AGI)Exercise 11: Vlastnosti AGI Exercise 12: Výsledky AGI

Čtvrtá kapitola zkoumá potenciál, dopady a začlenění generativní AI do pracovních postupů. Věnuje se klíčovým aktérům vývoje AI – od univerzit po firmy – a mapuje, jak se společnost AI přizpůsobuje. Zaměříme se na dopad AI na produktivitu, dynamiku trhu práce, vzdělávání, média, zábavu, vědecký pokrok i etické otázky.

Exercise 1: Začleňování nové AI do stávajících pracovních postupů Exercise 2: Využití generativní AI v datové vědě Exercise 3: Návrh nové marketingové kampaně Exercise 4: Pokrok v oblasti generativní AI Exercise 5: Open source, nebo ne?Exercise 6: Super Duper GANs

Aktuální cvičení

Exercise 7: Příprava na budoucnost s generativní AI Exercise 8: Generativní AI ve vzdělávání Exercise 9: Hodnota dovedností ve světě s AI Exercise 10: Zvládl/a jsi to!