然后是1世纪的机器学习和大数据到

年人们已经开始通过苹果的语音助手和亚马逊的x与人工智能进行交互。但这些系统以及许多更小众的应用程序都是基于判别性人工智能。过去1个月的人工智能热潮得益于生成式人工智能的爆炸性进步。生成式人工智能的例子有G、-和等模型。虽然这有点像数据科学课但能够用相当简单的术语来解释差异。歧视性人工智能的基础判别式人工智能自世纪年代以来就已经存在它根据大量训练对数据点进行分类。判别性模型可以区分类别如下图所示的红点或蓝点。



判别式的图形表示你可以给有辨别力的人工智能一个新的点然后问“这是一个红点还是一个蓝点它会告诉你正确的答案。这个简单的想法催生了手写识别、面部识别甚至可以击败最优秀的人类的国 墨西哥数据 际象棋机器人。大多数数据科学家都认为判别模型对于分类或预测数据仍然很有价值。生成人工智能内容游戏规则改变者另一方面生成式人工智能涉及训练数据集以根据学习的模式生成新内容。不要问“这是红点还是蓝点你问“请给我一个新的蓝点。它根据其审查和理解的数据制作了一份报告。生成式人工智能的图解描述为了让生成式人工智能模型开始产生准确的响应需要花费大量的时间、投资和超级计算能力。而且它们每天都变得更加可靠。






生成式人工智能的普及归功于大型语言模型的突破及其解决复杂任务的能力G的成功就证明了这一点。这项创新能够以前所未有的速度和规模生成文本、图像等。开发人员、教育工作者和创作者越来越多地将生成式人工智能集成到他们的工作流程中利用其增强创造力、构思和内容优化的能力。生成式人工智能一个警告然而人工智能的崛起及其所带来的一切可能性也带来了一些警告。1闪光的并非都是金子首先在人工智能淘金热中麦克法迪恩警告说并非所有初创公司都是真正的创新者。许多人只是简单地重新包装现有模型。