Nauka Generatywnego AI z Google

Środowisko Sztucznej Inteligencji (AI) ewoluowało gwałtownie w ciągu ostatnich pięciu lat, a Generatywne AI (GAI) prowadzi tę ewolucję. W rzeczywistości, rynek Generatywnego AI ma się rozrosnąć do 36 miliardów dolarów do 2028 roku, w porównaniu z 3,7 miliardami dolarów w 2023 roku.

Dziś, Generatywne AI wpływa na wiele branż, takich jak opieka zdrowotna, marketing, moda i rozrywka, ponieważ generatory AI, takie jak generatory obrazów AI i generatory wideo AI, pokazały nam potencjał zastąpienia ręcznych zadań ludzkich. Jednak postęp w tej dziedzinie wymaga specjalistycznych umiejętności AI.

Aby ułatwić naukę entuzjastom AI, Google (GOOGL ) uruchomił 10 bezpłatnych kursów dla Generatywnego AI. Zanim omówimy je, spójrzmy krótko, co to jest generatywne AI.

Czym jest Generatywne AI i dlaczego nauka Generatywnego AI jest ważna?

Generatywne AI to specjalistyczna dziedzina AI, która koncentruje się na tworzeniu modeli, które mogą generować nową, realistyczną treść, taką jak obrazy, tekst, audio lub wideo, przy użyciu istniejących próbek danych.

Na przykład, modele takie jak ChatGPT i DALL-E są wybitnymi przykładami Generatywnego AI, których teraz obserwujemy w aplikacjach świata rzeczywistego. ChatGPT jest zintegrowany z silnikiem wyszukiwania Bing, podczas gdy przeglądarka Edge teraz zawiera DALL-E.

W miarę ewolucji Generatywnego AI, pozostawanie na bieżąco z tą technologią stało się kluczowe z kilku powodów:

• Zapewnia wydajność biznesu, efektywność kosztową i zwiększoną efektywność.
• Zachęca do eksperymentowania i kreatywności.
• Wspiera współpracę człowieka z AI i uzupełnia możliwości ludzkie.
• Pozwala na innowacyjne strategie rozwiązywania problemów.

Teraz, spójrzmy, jak Google pomaga uczniom studiować Generatywne AI.

10-kursowa ścieżka nauki Generatywnego AI od Google

1. Wprowadzenie do Generatywnego AI

Źródło obrazu

Poziom trudności: Poziom początkujący

Czas ukończenia: ~ 45 minut

Wymagania wstępne: Brak

Co uczniowie będą uczyć się?

• Czym jest Generatywne Sztuczne Inteligencje, jak działa, jakie są jego zastosowania i jak różni się od standardowych technik uczenia maszynowego (ML)?
• Obejmuje narzędzia Google do tworzenia własnych aplikacji Generatywnego AI.
• Będzie się także uczyć o typach modeli Generatywnego AI: unimodalnych lub multimodalnych, na tym kursie. Systemy unimodalne przyjmują tylko jeden typ wejścia, podczas gdy systemy multimodalne mogą przyjmować więcej niż jeden typ wejścia.

2. Wprowadzenie do dużych modeli językowych

Źródło obrazu

Poziom trudności: Poziom początkujący

Czas ukończenia: ~ 45 minut

Wymagania wstępne: Brak

Co uczniowie będą uczyć się?

• Ten kurs bada duże modele językowe (LLM) – modele AI szkolone na dużych ilościach danych tekstowych. „Bard AI od Google” to doskonały przykład LLM, który umożliwia zaawansowaną interakcję człowieka z maszyną.
• Zrozumieć, jak LLM są używane do analizy sentymentu.
• Nauczysz się o dostrajaniu promtu, za pomocą którego prompty podane modelowi językowemu są udoskonalane w celu uzyskania pożądanego wyjścia.

• Pokrywa narzędzia, które Google zapewnia do rozwoju Gen AI.

3. Wprowadzenie do odpowiedzialnego AI

Źródło obrazu

Poziom trudności: Poziom początkujący

Czas ukończenia: ~ 1 dzień (Ukończ quiz/laboratorium we własnym czasie)

Wymagania wstępne: Brak

Co uczniowie będą uczyć się?

• Czym jest odpowiedzialne Sztuczne Inteligencje? Dlaczego jest ważne i jak Google wdraża tę technologię w swoich produktach.
• Wprowadzenie do 7 zasad odpowiedzialnego AI od Google.

4. Podstawy Generatywnego AI

Źródło obrazu

Poziom trudności: Poziom początkujący

Czas ukończenia: ~ 1 dzień (Ukończ quiz/laboratorium we własnym czasie)

Wymagania wstępne: Brak

Co uczniowie będą uczyć się?

• Zawiera całą treść z poprzednich trzech kursów.
• Zawiera końcowy quiz, za pomocą którego możesz pokazać swoje zrozumienie podstawowych pojęć Generatywnego AI.

5. Wprowadzenie do generowania obrazów

Źródło obrazu

Poziom trudności: Poziom początkujący

Czas ukończenia: ~ 1 dzień (Ukończ quiz/laboratorium we własnym czasie)

Wymagania wstępne: Zrozumienie ML, głębokiego uczenia (DL), sieci neuronowych zwanych CNN i programowania w Pythonie.

Co uczniowie będą uczyć się?

• W tym kursie odkryjesz modele dyfuzyjne, ich działanie i wdrożenie.
• Zrozumiesz, co to są nieuwodnione modele dyfuzyjne.
• Poprawki w modelach dyfuzyjnych tekst-obraz.
• Szkolenie i wdrożenie tych modeli na Vertex AI – w pełni zarządzanej platformie ML od Google.

6. Architektura Encoder-Decoder

Źródło obrazu

Poziom trudności: Poziom średni

Czas ukończenia: ~ 1 dzień (Ukończ quiz/laboratorium we własnym czasie)

Wymagania wstępne: Zrozumienie programowania w Pythonie i TensorFlow.

Co uczniowie będą uczyć się?

• Odkryjesz kluczowe składniki architektury Encoder-Decoder.
• Zrozumiesz, jak używać architektury Encoder-Decoder do szkolenia modelu i generowania tekstu z niego.
• Zawiera przewodnik laboratoryjny, w którym będziesz kodować w TensorFlow, popularnej platformie rozwoju ML do tworzenia modeli produkcyjnych.

7. Mechanizm uwagi

Źródło obrazu

Poziom trudności: Poziom średni

Czas ukończenia: ~ 45 minut

Wymagania wstępne: Zrozumienie ML, DL, przetwarzania języka naturalnego (NLP), komputerowego widzenia (CV) i programowania w Pythonie.

Co uczniowie będą uczyć się?

• Odkryjesz pojęcie mechanizmu uwagi – potężnego podejścia, które umożliwia modelom językowym koncentrowanie się na określonych segmentach sekwencji wejściowych w celu zrozumienia informacji kontekstowych.
• Nauczysz się, jak działa i jego zastosowania.
• Zrozumiesz, jak mechanizm uwagi jest stosowany w modelach ML.

8. Modele Transformer i Modele BERT

Źródło obrazu

Poziom trudności: Poziom początkujący

Czas ukończenia: ~ 45 minut

Wymagania wstępne: Średnie zrozumienie ML, zrozumienie osadzania słów i mechanizmu uwagi, oraz doświadczenie z Pythonem i TensorFlow.

Co uczniowie będą uczyć się?

• Nauczysz się o architekturze Transformer i zbadasz, jak model BERT (Bidirectional Encoder Representation from the Transformer) jest budowany przy użyciu Transformerów.
• Obejmuje różne zadania NLP, dla których model BERT jest używany.

9. Tworzenie modeli podpisów obrazów

Źródło obrazu

Poziom trudności: Poziom średni

Czas ukończenia: ~ 1 dzień (Ukończ quiz/laboratorium we własnym czasie)

Wymagania wstępne: Zrozumienie ML, DL, NLP, CV i programowania w Pythonie.

Co uczniowie będą uczyć się?

• Jak zidentyfikować elementy modelu podpisów obrazów.
• Jak zbudować i ocenić model do podpisów obrazów.
• Jak stworzyć własne modele podpisów dla zdjęć i używać ich do tworzenia podpisów.

10. Wprowadzenie do Studia Generatywnego AI

Źródło obrazu

Poziom trudności: Poziom wprowadzający

Czas ukończenia: ~ 1 dzień (Ukończ quiz/laboratorium we własnym czasie)

Wymagania wstępne: Brak

Co uczniowie będą uczyć się?

• Rozpoznasz cel Studia Generatywnego AI, produktu Vertex AI.
• Opcje i właściwości Studia Generatywnego AI są również objęte w tym kursie.
• Zawiera praktyczne laboratorium, w którym możesz wykorzystać ten narzędzie.

Po ukończeniu tych dziesięciu bezpłatnych kursów, uczniowie mogą mieć kompleksowe zrozumienie Generatywnego AI i jego praktycznych zastosowań. Uczniowie mogą wykorzystać swoją nowo nabytą wiedzę, aby posunąć do przodu dziedzinę Generatywnego AI, tworząc innowacyjne produkty, które mogą pozytywnie wpłynąć na nasze społeczeństwo.

“W świecie, w którym ChatGPT i inne aplikacje AI mogą robić wiele rzeczy, które wcześniej wymagały ludzkiej interwencji, pytanie ‘jak będę dodawał wartość?’ staje się bardziej istotne niż kiedykolwiek.” ― Hendrith Vanlon Smith Jr, CEO of Mayflower-Plymouth, w swojej książce Business Essentials.

Aby być na bieżąco z postępami AI, odwiedź unite.ai.