Skillnaden mellan generativ AI och traditionell maskininlärning

Videon tog upp viktiga egenskaper hos diskriminativa och generativa modeller, samt artificiell allmän intelligens (AGI). Utforska den interaktiva applikationen för att se olika AI-modellarkitekturer och deras komponenter.

Vilket av följande beskriver strukturen hos generativa AI-modeller?

Den här övningen är en del av kursen

Koncept inom generativ AI

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Koncept inom generativ AI

SkillTag.level.beginnerSkillTag.label

4.8+

Starta kursen gratis

Bekanta dig med konceptet generativ AI och dess förmåga att skapa innehåll, tillsammans med verkliga tillämpningar och begränsningar. Du utforskar skillnaderna mellan traditionella maskininlärningsmodeller, generativ AI och artificiell generell intelligens (AGI), och undersöker de viktigaste drivkrafterna bakom utvecklingen av generativ AI.

Exercise 1: Vad är generativ AI?Exercise 2: Lär känna generativ AI Exercise 3: Att arbeta med en generativ AI-modell Exercise 4: Tillämpningar av generativ AI Exercise 5: Generativ AI i maskininlärningslandskapet Exercise 6: Välj rätt verktyg för uppgiften Exercise 7: Skillnaden mellan generativ AI och traditionell maskininlärning

Aktuell övning

Exercise 8: Fler hundar och GAN:er Exercise 9: Generativ AI:s utveckling Exercise 10: Att driva fältet framåt Exercise 11: Transformers Exercise 12: Genombrott inom generativ AI

I det här kapitlet går vi igenom de centrala stegen i att skapa generativa AI-modeller: forskning och design, datainsamling, modellträning och utvärdering. Vi undersöker betydelsen av mångsidiga datamängder och avancerade träningstekniker, samt olika utvärderingsmetoder och deras styrkor och begränsningar.

Exercise 1: Modelldesign och datainsamling Exercise 2: Forskning och design Exercise 3: En dataskatt?Exercise 4: Modellträning Exercise 5: Faktorer som påverkar modellträning Exercise 6: Tekniker för att utveckla specialiserade modeller Exercise 7: Modellutvärdering Exercise 8: PixAIr-animation Exercise 9: Hjälp Intellibrand att utvärdera

Det här kapitlet fokuserar på ansvarsfull användning av generativ AI. Vi diskuterar utmaningar och strategier för att motverka social bias, frågor kring immateriella rättigheter och integritet, samt etiska överväganden för att förhindra missbruk. Kapitlet avslutas med en genomgång av den enorma potentialen och riskerna med artificiell generell intelligens (AGI), samt metoder för att styra dess resultat.

Exercise 1: Att utvärdera och motverka social bias Exercise 2: Källor till bias Exercise 3: Identifiera och minska bias Exercise 4: Upphovsrätt och äganderätt Exercise 5: Juridiska överväganden och integritetsfrågor Exercise 6: Identifiera anspråk på immateriella rättigheter Exercise 7: Ansvarsfull användning av generativ AI Exercise 8: Användningsprinciper Exercise 9: Implementera ansvarsfull AI-praxis Exercise 10: Artificiell generell intelligens (AGI)Exercise 11: AGI:s egenskaper Exercise 12: AGI-utfall

Kapitel 4 undersöker den generativa AI:ns potential, påverkan och integrering i mänskliga arbetsflöden. Vi diskuterar viktiga aktörer inom AI-utvecklingen – från universitet till företag – och utforskar hur samhället anpassar sig till AI. Kapitlet fördjupar sig i AI:ns konsekvenser för produktivitet, arbetsmarknad, utbildning, media, underhållning, vetenskapliga framsteg och etiska frågeställningar.

Exercise 1: Att integrera ny AI i etablerade arbetsflöden Exercise 2: Använda generativ AI inom datavetenskap Exercise 3: Utforma en ny marknadsföringskampanj Exercise 4: Framsteg inom generativ AI Exercise 5: Öppen källkod eller inte Exercise 6: Super Duper GANs Exercise 7: Att förbereda sig för en framtid med generativ AI Exercise 8: Generativ AI inom utbildning Exercise 9: Värdet av färdigheter i en AI-driven värld Exercise 10: Du klarade det!