一、介绍
大家好!,欢迎来到“使用 Python 从头开始学习生成 AI”系列。本系列涵盖了数据科学家和软件工程师可以了解的有关生成式 AI 的所有内容,并在这个奇妙的 GenAI 领域开始他们的旅程。我将告诉你从Python到机器学习,然后是深度学习,然后是自然语言处理和生成模型,如生成对抗网络(GAN),变分自动编码器(VAEs)和大型语言模型(ChatGPT,Google Bard,Claude 2或更多)。因此,让我们开始这个关于生成式 AI 的介绍性博客,简要介绍生成式 AI 以及市场上所有最新的 AI 工具,我们可以用来从头开始使用 Python 构建 GenAI 应用程序。
二、生成式 AI 格局
生成式人工智能领域是指多样化且快速发展的人工智能领域,专注于创建能够生成类似于给定数据集的新数据实例的模型和系统。这些模型称为生成模型。生成式 AI 是人工智能的一个子集,与判别模型不同,判别模型主要用于分类和回归任务。
生成式人工智能领域包含广泛的技术和模型,每种技术和模型都有其优势和应用。生成式 AI 景观的一些关键组成部分包括:
1. 生成对抗网络 (GAN):GAN 是一类流行的生成模型。它们由两个神经网络组成:生成器和鉴别器。生成器尝试创建真实的数据样本,而鉴别器尝试区分真实样本和生成的样本。通过对抗训练,GAN 可以生成高度逼真和新颖的数据,使其广泛用于图像合成、视频生成等。
2. 变分自动编码器(VAE):VAE是另一类突出的生成模型。它们是概率模型,学习将数据编码到潜在空间并将其解码回原始数据。VAE用于图像生成、数据压缩以及从学习到的潜在空间生成新的数据实例等任务。
3. 自回归模型:这些模型一次生成一个元素的数据,以先前生成的元素为条件。PixelRNN和PixelCNN是成功生成图像的自回归模型的例子。
4. 语言模型:语言模型,尤其是变形金刚,彻底改变了自然语言处理 (NLP) 和文本生成任务。像GPT(生成预训练转换器)这样的模型在生成连贯且上下文相关的文本方面起到了重要作用。
5. 深度强化学习 (RL) 和生成对抗模仿学习 (GAIL):这些技术使用强化学习来学习生成策略,使 AI 代理能够在动态环境中生成新的动作序列。
6. 混合模型:一些方法结合了来自多个生成模型的元素,以创建具有增强功能的新颖架构。
三、2023 年人工智能的动力源泉
1. 谷歌吟游诗人:它建立在 2 年底发布的语言模型 Pathways 语言模型 2 (PaLM 2022) 之上。强大的语言模型,提供 40 多种语言的可自定义响应。它是一个假设的人工智能系统,旨在创建诗意和艺术内容,并可以根据语气、质量和长度自定义响应。它还可以分析图像并了解上下文,并且还与所有Google应用程序(如云端硬盘,文档,Excel等)集成。
图例.3 — 谷歌吟游诗人
2. 人类的克劳德 2:掌握深度分析 人类的克劳德 2 席卷了 AI 聊天机器人场景!Claude 100 能够分析包含多达 000,2 个代币的深入文档,在理解和上下文方面表现出前所未有的熟练程度。此外,它在Python编码测试中的实力使其成为开发人员和数据科学家的多功能助手。
图4 — 人择克劳德 2
3. OpenAI ChatGPT:不变的伴侣 在这些新的 AI 奇迹中,OpenAI 的 ChatGPT 仍然是卓越的灯塔。自 2022 年 2 月推出以来,ChatGPT 以其人性化的响应和庞大的知识库吸引了用户。它可以生成比Google Bard和Claude 4更高的精度,现在运行在GPT<>模型上。
图5 — OpenAI ChatGPT
所有这些大语言模型都提供 API 支持,以便用户可以使用他们的模型并使用不同的编程语言(如 javascript、python、java、Go 等)构建定制的 AI 应用程序。因此,在本系列中,我将使用这些LLM API使用Python构建程序和应用程序。
四、结论
加入我们这个迷人的旅程,生成式 AI 与 Python 和机器学习融合在一起,释放 AI 生成的创造力的无限潜力。无论您是新手还是爱好者,都有一个知识宝库在等着您。因此,让我们扬帆起航,迈向人工智能的未来!请继续关注更多引人入胜的内容和激动人心的发现。让我们一起踏上这场冒险吧!
参考资料:
西姆兰吉特·辛格