Введение в генеративный ИИ

Введение в генеративный ИИ

Что такое ИИ?
 – Искусственный интеллект (ИИ) – это дисциплина, связанная с созданием интеллектуальных агентов, способных рассуждать, учиться и действовать автономно.
 – Машинное обучение (МО) ) — это подполе ИИ, которое обучает модели на основе входных данных. Модели машинного обучения с учителем помечают данные, а модели машинного обучения без учителя — нет.
— Глубокое обучение — это тип машинного обучения, в котором искусственные нейронные сети используются для обработки более сложных шаблонов, чем традиционные модели машинного обучения.

Контролируемое и неконтролируемое обучение

Контролируемое обучение

– Обучение под наблюдением использует размеченные данные для обучения модели предсказанию будущих значений на основе прошлых примеров.
– Модель учится на прошлых примерах, чтобы предсказывать будущие значения, уменьшая ошибку до тех пор, пока предсказанные и фактические значения не станут ближе друг к другу.

Обучение без учителя

– Неконтролируемое обучение не имеет ярлыков и фокусируется на обнаружении естественных группировок в необработанных данных.
– Примером неконтролируемой проблемы является группирование сотрудников по стажу работы и доходу.

Глубокое обучение как подмножество машинного обучения

Глубокое обучение

• Глубокое обучение – это тип машинного обучения, в котором искусственные нейронные сети используются для обработки более сложных шаблонов, чем традиционные модели машинного обучения.
   – Нейронные сети могут использовать как помеченные, так и немаркированные данные, что называется полууправляемым обучением.
  - Полууправляемое обучение обучает нейронную сеть небольшому количеству помеченных данных и большому количеству неразмеченных данных.

Генеративные и дискриминационные модели

– Модели глубокого обучения можно разделить на два типа: генеративные и дискриминационные.
– Дискриминационная модель используется для классификации или прогнозирования меток для точек данных.
– Дискриминативные модели обучаются на наборе данных с помеченными точками данных. , изучить взаимосвязь между функциями точек данных и меток и может предсказать метку для новых точек данных.
Генеративная модель создает новые экземпляры данных на основе изученного распределения вероятностей существующих данных.

Различия между генеративной и дискриминационной моделями

– Генеративные модели генерируют новый контент, в то время как дискриминационные модели различают экземпляры данных разных типов.
– Дискриминативные модели изучают условное распределение вероятностей или вероятность y (выход) при заданном x (вход), а генеративные модели изучают совместную вероятность. распределение или вероятность x и y, что позволяет им предсказывать условные вероятности, которые затем могут генерировать новый контент.

Что такое генеративный ИИ?

Традиционное программирование, нейронные сети и генеративные модели

– Традиционное программирование требовало жестких правил программирования для различения различных типов экземпляров данных.
– Нейронные сети могли предсказать, относятся ли входные данные к определенному типу экземпляра, на основе обучения с помеченными примерами.
– Генеративный ИИ может использовать обучающий код, маркированные данные и немаркированные данные для построения базовой модели для создания нового контента.

Определение генеративного ИИ

• Поколение ИИ создает новый контент на основе того, что он узнал из существующего контента посредством обучения с помеченными и немаркированными наборами данных.
   – Процесс обучения на существующем контенте называется обучением и приводит к созданию статистической модели, которая может прогнозировать ожидаемые результаты. ответы и создавать новый контент.

Генеративный ИИ и трансформеры

Генеративный образ и языковые модели

– Генеративные модели изображений принимают изображение в качестве входных данных и могут выводить текст, другое изображение или видео.
– Генеративные языковые модели принимают текст в качестве входных данных и могут выводить дополнительный текст, изображение, звук или решения.

Системы сопоставления с образцом

– Генеративные языковые модели изучают языковые закономерности с помощью обучающих данных.
– Имея некоторый текст, они предсказывают, что будет дальше. Таким образом, генеративные языковые модели представляют собой системы сопоставления с образцом.

Трансформеры

– Трансформеры произвели революцию в обработке естественного языка в 2018 году.
– Модель трансформера состоит из кодировщика и декодера.
— Кодер кодирует входную последовательность и передает ее декодеру, который учится декодировать представление для соответствующей задачи.

Галлюцинации

– Галлюцинации – это слова или фразы, сгенерированные моделью, которые часто являются бессмысленными или грамматически неверными.
– Они могут быть вызваны несколькими факторами, в том числе недостатком данных для обучения или ограничениями контекста.
— они могут затруднить понимание вывода или генерировать вводящую в заблуждение информацию.

Подсказка

Тренировочные данные

- Генеративный ИИ зависит от введенных в него обучающих данных.

Быстрый дизайн

– Подсказка – это короткий фрагмент текста, передаваемый в модель большого языка в качестве входных данных.
 – Дизайн подсказки – это процесс создания подсказки, который будет генерировать желаемый результат из большой языковой модели.

Типы моделей

Текст в текст

– Модели преобразования текста в текст принимают ввод на естественном языке и выводят текст.
– Эти модели обучаются сопоставлению между парами текста, например, переводу с одного языка на другой.

Текст в изображение

- Модели преобразования текста в изображение обучаются на большом наборе изображений, каждое из которых снабжено кратким текстовым описанием.
— Для этого используется диффузия.

Преобразование текста в видео и преобразования текста в 3D

- Модели преобразования текста в видео предназначены для создания видеопредставления из введенного текста.
— Точно так же модели преобразования текста в 3D генерируют трехмерные объекты, соответствующие текстовому описанию пользователя.

Текст к задаче

- Модели преобразования текста в задачу обучены выполнять определенные задачи или действия на основе ввода текста.
— Например, навигация по веб-интерфейсу или внесение изменений через графический интерфейс.

Фундаментальные модели

Определение

- Базовые модели — это большие модели ИИ, предварительно обученные на огромном количестве данных, предназначенные для адаптации или точной настройки для широкого круга последующих задач.

Приложения

– Модели Foundation могут произвести революцию во многих отраслях, включая здравоохранение, финансы и обслуживание клиентов.
– Их можно использовать для выявления мошенничества и предоставления персонализированной поддержки клиентов.

Заключение
Генеративный ИИ — это захватывающая область, которая предлагает множество возможностей в различных отраслях, таких как здравоохранение, финансы и образование. Применения генеративного ИИ широки: от анализа настроений до создания цифровых помощников без написания кода.

Полное видео: https://youtu.be/G2fqAlgmoPo