生成式人工智能的一般工作过程如下:
在生成文本时,大语言模型使用监督学习不断预测下一个词语,经过大量的数据训练,它能够生成新的文本内容。
02:43对于视觉,您可以根据提示生成图像并进一步编辑图像。对于语音,您可以从语音生成文本,反之亦然。让我们关注您可以在Generative AI Studio中使用语言做什么。02:57具体来说,您可以:为与您的业务用例相关的任务设计提示,包括代码生成。通过指定指示模型应如何响应的上下文来创建对话。并调整模型,使其更适合您的用例,这样您就可以03:14将其部署到端点以获取预测或在提示设计中对其进行测试。让我们详细介绍这三个功能。首先是提示设计。要开始试验大型语言模型或LLM,请单击“新提示”。03:32在生成式AI的世界中,提示只是您提供给模型的输入文本的一个奇特名称。您可以将所需的输入文本(例如问题和说明)提供给模型。03:42然后,该模型将根据您构建提示的方式提供响应,因此,您获得的答案取决于您提出的问题。找出和设计最佳输入文本以获得所需响应的过程03:53从模型返回称为提示设计,这通常涉及大量实验。让我们从自由形式的提示开始。设计提示的一种方法是简单地告诉模型您想要什么。
聊天机器人可以用于,如做旅游计划,职业咨询,做饭建议。他们不仅仅会生成文本,还可以产生进一步行动,如处理文本后,发送订单信息等为客户提供服务的聊天机器人类型于下图的流程中体现,从完全由人处理,到机械处理后,由人判断,到最后将任务中的退款直接分离并直接处理,困难任务交由人处理。以及机器人完全处理。建立聊天机器人的流程应该是,1,开始于内部聊天机器人,确保良好表现并避免问题,2,设置人为参与链路,3,确保安全后,让机器人对接用户。
在整体的人工智能领域中,监督学习用于标记事物,一直占据很大比例。现在生成式AI在近期快速崛起,但强化学习与无监督学习也是AI领域重要的一种工具。生成式AI由监督学习技术搭建。2010-2020年是大规模监督学习的十年,这为现代人工智能奠定了基础。生成文本会使用到大语言模型,生成的过程是,大语言模式使用监督学习不断预测下一个词语,比如,i like,它会不断预测like后的词语是什么,经过大量的数据,它可能后面带的是,beaty,或者,eating,而eating后又大概率预测会有food。这样不断地生成新的文本内容。(这需要千亿,甚至万亿级别的单词数据库)