帮助普通大众了解生成式AI，以满足对AI的在使用过程中的一般需求 生成式 AI 是一种能够为用户生成内容的人工智能，生成的内容可以是多模式的，包括文本、图像、音频和视频。当给出提示或请求时，它可以帮助完成诸如文档摘要、信息提取、代码生成、营销活动创建、虚拟协助和呼叫中心机器人等各种任务。
生成式 AI 从大量现有内容中学习，这个学习过程称为训练，其结果是创造“基础模型”，如为 Bard 等聊天机器人提供支持的 LLM 或大型语言模型。基础模型可用于生成内容并解决一般问题，还可以使用所在领域的新数据集进一步训练以解决特定问题，从而创建一个新模型。Google Cloud 提供了如 Vertex AI 等多种易于使用的工具，帮助在具有或不具有 AI 和机器学习背景的项目中使用生成式 AI。
在技术原理方面，生成式 AI 生成的内容叫做 AIGC。相关技术名词包括：
1. AI 即人工智能。
2. 机器学习是电脑找规律学习，包括监督学习、无监督学习、强化学习。
监督学习使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。
无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类。
强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。
3. 深度学习是一种参照人脑有神经网络和神经元的方法（因有很多层所以叫深度），神经网络可用于监督学习、无监督学习、强化学习。
4. 生成式 AI 可以生成文本、图片、音频、视频等内容形式。
5. LLM 是大语言模型。对于生成式 AI，生成图像的扩散模型不是大语言模型；对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。
2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。Transformer 比 RNN 更适合处理文本的长距离依赖性。
2024-10-09