ผลลัพธ์ของ AGI

AGI มีทั้งประโยชน์และความเสี่ยง แต่ก็มีหลายกลยุทธ์ที่สามารถนำมาใช้เพื่อส่งผลเชิงบวกต่อการพัฒนา AGI คุณได้เรียนรู้แนวทาง 3 ประเภท ได้แก่ hard constraints, alignment strategies และการแทรกแซงของภาครัฐ

มาทดสอบความเข้าใจเกี่ยวกับความแตกต่างและสาระสำคัญของแต่ละแนวทางกัน!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

แนวคิด Generative AI

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง

เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา

เริ่มแบบฝึกหัด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

แนวคิด Generative AI

SkillTag.level.beginnerSkillTag.label

4.8+

เริ่มคอร์สฟรี

ทำความคุ้นเคยกับแนวคิดของ Generative AI และความสามารถในการสร้างเนื้อหา พร้อมด้วยการประยุกต์ใช้งานจริงและข้อจำกัดของมัน คุณจะได้เจาะลึกความแตกต่างระหว่างโมเดล machine learning แบบดั้งเดิม Generative AI และปัญญาประดิษฐ์ทั่วไป (AGI) รวมถึงสำรวจปัจจัยสำคัญที่ขับเคลื่อนการพัฒนา Generative AI

Exercise 1: Generative AI คืออะไร?Exercise 2: ทำความรู้จักกับ Generative AI Exercise 3: การใช้งานโมเดล Generative AI Exercise 4: การประยุกต์ใช้ Generative AI Exercise 5: Generative AI ในภูมิทัศน์ของ Machine Learning Exercise 6: เลือกเครื่องมือให้เหมาะกับงาน Exercise 7: ความแตกต่างระหว่าง Generative AI กับ ML แบบดั้งเดิม Exercise 8: สุนัขและ GAN Exercise 9: วิวัฒนาการของ Generative AI Exercise 10: ปัจจัยที่ขับเคลื่อนวงการ AI Exercise 11: Transformers Exercise 12: ความก้าวหน้าของ Generative AI

บทนี้ครอบคลุมขั้นตอนสำคัญในการสร้างโมเดล Generative AI ได้แก่ การวิจัยและออกแบบ การรวบรวมข้อมูล การฝึกโมเดล และการประเมินผล พร้อมทั้งพิจารณาความสำคัญของชุดข้อมูลที่หลากหลายและเทคนิคการฝึกขั้นสูง ตลอดจนวิธีการประเมินแบบต่าง ๆ พร้อมวิเคราะห์จุดแข็งและข้อจำกัดของแต่ละวิธี

Exercise 1: การออกแบบโมเดลและการเก็บรวบรวมข้อมูล Exercise 2: การวิจัยและออกแบบ Exercise 3: ได้ชุดข้อมูลมาแบบนี้ดีไหม?Exercise 4: การเทรนโมเดล Exercise 5: ปัจจัยที่ส่งผลต่อการฝึกโมเดล Exercise 6: เทคนิคสำหรับพัฒนาโมเดลเฉพาะทาง Exercise 7: การประเมินโมเดล Exercise 8: PixAIr animation Exercise 9: ช่วย Intellibrand ประเมินผล

บทนี้มุ่งเน้นการใช้ Generative AI อย่างรับผิดชอบ โดยพูดถึงความท้าทายและกลยุทธ์ในการลดอคติทางสังคม ปัญหาทรัพย์สินทางปัญญาและความเป็นส่วนตัว รวมถึงข้อพิจารณาด้านจริยธรรมเพื่อป้องกันการนำไปใช้ในทางที่ผิด และปิดท้ายด้วยการสำรวจศักยภาพและความเสี่ยงของปัญญาประดิษฐ์ทั่วไป (AGI) พร้อมแนวทางในการควบคุมผลลัพธ์

Exercise 1: การประเมินและลดอคติทางสังคม Exercise 2: แหล่งที่มาของอคติ Exercise 3: การตรวจจับและลดอคติ Exercise 4: ลิขสิทธิ์และความเป็นเจ้าของ Exercise 5: ข้อพิจารณาด้านกฎหมายและความเป็นส่วนตัว Exercise 6: การระบุสิทธิ์ความเป็นเจ้าของทรัพย์สินทางปัญญา Exercise 7: การใช้งาน Generative AI อย่างมีความรับผิดชอบ Exercise 8: หลักการการใช้งาน Exercise 9: การนำแนวปฏิบัติ AI อย่างรับผิดชอบไปใช้Exercise 10: ปัญญาประดิษฐ์ทั่วไป (AGI)Exercise 11: คุณลักษณะของ AGI Exercise 12: ผลลัพธ์ของ AGI

แบบฝึกหัดปัจจุบัน

บทที่ 4 พิจารณาศักยภาพ ผลกระทบ และการนำ Generative AI มาผสานเข้ากับกระบวนการทำงานของมนุษย์ โดยพูดถึงผู้มีส่วนร่วมสำคัญในการพัฒนา AI ตั้งแต่มหาวิทยาลัยไปจนถึงบริษัทต่าง ๆ และสำรวจการปรับตัวของสังคมต่อ AI รวมถึงเจาะลึกผลกระทบของ AI ต่อผลิตภาพ ตลาดแรงงาน การศึกษา สื่อ ความบันเทิง ความก้าวหน้าทางวิทยาศาสตร์ และข้อพิจารณาด้านจริยธรรม

Exercise 1: การนำ AI ใหม่มาใช้ในกระบวนการทำงานเดิม Exercise 2: นำ Generative AI มาใช้ในงาน Data Science Exercise 3: ออกแบบแคมเปญการตลาดใหม่Exercise 4: ความก้าวหน้าของ Generative AI Exercise 5: จะเปิดเป็น open source หรือไม่Exercise 6: Super Duper GANs Exercise 7: เตรียมพร้อมสู่อนาคตของ Generative AI Exercise 8: Generative AI ในการศึกษา Exercise 9: คุณค่าของทักษะในโลกที่มี AI Exercise 10: สำเร็จแล้ว!