Kết quả của AGI

Dù AGI mang lại cả lợi ích lẫn rủi ro, vẫn có nhiều chiến lược có thể áp dụng để tác động tích cực đến kết quả của AGI trong suốt quá trình phát triển. Bạn đã học về ba cách tiếp cận: ràng buộc cứng, chiến lược căn chỉnh và can thiệp của chính phủ.

Hãy kiểm tra mức độ hiểu biết của bạn về sự khác nhau giữa các cách tiếp cận này và những gì chúng bao hàm nhé!

Bài tập này là một phần của khóa học

Các khái niệm về Generative AI

Xem khóa học

Bài tập tương tác thực hành

Biến lý thuyết thành hành động với một trong các bài tập tương tác của chúng tôi

Bắt đầu bài tập

Bài tập này là một phần của khóa học

Các khái niệm về Generative AI

SkillTag.level.beginnerSkillTag.label

4.8+

Bắt đầu khóa học miễn phí

Làm quen với khái niệm Generative AI và khả năng tạo nội dung của nó, cùng với các ứng dụng thực tế và những hạn chế. Bạn sẽ đi sâu vào sự khác biệt giữa các mô hình Machine Learning truyền thống, Generative AI và trí tuệ nhân tạo tổng quát (AGI), đồng thời khám phá các yếu tố then chốt thúc đẩy sự phát triển của Generative AI.

Exercise 1: Generative AI là gì?Exercise 2: Làm quen với generative AI Exercise 3: Làm việc với một mô hình generative AI Exercise 4: Ứng dụng của generative AI Exercise 5: Generative AI trong bức tranh tổng thể của Machine Learning Exercise 6: Chọn đúng công cụ cho đúng việc Exercise 7: Phân biệt generative AI với ML truyền thống Exercise 8: Nhiều chú chó hơn và GANs Exercise 9: Sự phát triển của generative AI Exercise 10: Thúc đẩy lĩnh vực tiến lên Exercise 11: Transformers Exercise 12: Những đột phá trong Generative AI

Trong chương này, chúng ta tìm hiểu các bước thiết yếu để tạo ra mô hình Generative AI: nghiên cứu và thiết kế, thu thập dữ liệu, huấn luyện mô hình và đánh giá. Chúng ta xem xét tầm quan trọng của tập dữ liệu đa dạng và các kỹ thuật huấn luyện tiên tiến, cũng như nhiều phương pháp đánh giá, đồng thời thảo luận về điểm mạnh và hạn chế của chúng.

Exercise 1: Thiết kế mô hình và thu thập dữ liệu Exercise 2: Nghiên cứu và thiết kế Exercise 3: Một “món hời” dữ liệu?Exercise 4: Huấn luyện mô hình Exercise 5: Các yếu tố ảnh hưởng đến việc huấn luyện mô hình Exercise 6: Kỹ thuật phát triển mô hình chuyên biệt Exercise 7: Đánh giá mô hình Exercise 8: Hoạt họa của PixAIr Exercise 9: Giúp Intellibrand đánh giá

Chương này tập trung vào việc sử dụng Generative AI một cách có trách nhiệm. Chúng ta thảo luận các thách thức và chiến lược giảm thiểu thiên lệch xã hội, vấn đề sở hữu trí tuệ và quyền riêng tư, cùng những cân nhắc đạo đức để ngăn ngừa lạm dụng. Cuối cùng, chúng ta khám phá tiềm năng to lớn và rủi ro của Artificial General Intelligence (AGI), cùng các cách tiếp cận để kiểm soát kết quả của nó.

Exercise 1: Đánh giá và giảm thiểu thiên kiến xã hội Exercise 2: Nguồn gốc của thiên lệch Exercise 3: Phát hiện và giảm thiểu thiên lệch Exercise 4: Bản quyền và quyền sở hữu Exercise 5: Các cân nhắc về pháp lý và quyền riêng tư Exercise 6: Xác định các yêu cầu quyền sở hữu SHTT Exercise 7: Ứng dụng generative AI có trách nhiệm Exercise 8: Nguyên tắc sử dụng Exercise 9: Triển khai thực hành AI có trách nhiệm Exercise 10: Trí tuệ nhân tạo tổng quát (AGI)Exercise 11: Đặc trưng của AGI Exercise 12: Kết quả của AGI

Bài tập hiện tại

Chương 4 xem xét tiềm năng, tác động và việc tích hợp Generative AI vào quy trình làm việc của con người. Nội dung thảo luận những chủ thể đóng góp chính cho sự phát triển AI, từ trường đại học đến doanh nghiệp, và cách xã hội thích ứng với AI. Chương cũng đi sâu vào tác động của AI đối với năng suất, biến động việc làm, giáo dục, truyền thông, giải trí, tiến bộ khoa học và các cân nhắc đạo đức.

Exercise 1: Đưa AI mới vào quy trình làm việc cũ Exercise 2: Tận dụng generative AI cho khoa học dữ liệu Exercise 3: Thiết kế một chiến dịch marketing mới Exercise 4: Tiến bộ trong lĩnh vực AI tạo sinh Exercise 5: Nên mở nguồn hay không Exercise 6: Super Duper GANs Exercise 7: Chuẩn bị cho tương lai của generative AI Exercise 8: Generative AI trong giáo dục Exercise 9: Giá trị của kỹ năng trong thế giới AI Exercise 10: Bạn đã hoàn thành!