درباره دوره:
*لازم به ذکر است که زیرنویس این دوره توسط هوش مصنوعی صورت گرفته است.*دوره “Generative AI vs. Traditional AI” به موضوع جذاب و پرطرفدار هوش مصنوعی مولد میپردازد که با مسائل قانونی، اخلاقی و فناوری جدیدی همراه است. اگرچه توسعه هوش مصنوعی مولد ممکن است ناگهانی به نظر برسد، اما همچنان بر اساس دههها مفاهیم و کاربردهای هوش مصنوعی پیشبینیکننده سنتی بنا شده است.
در این دوره، داگ رز تفاوتهای بین هوش مصنوعی سنتی و مولد را مورد بررسی قرار میدهد و نشان میدهد که چگونه مفاهیم سنتی مانند یادگیری عمیق تحت نظارت و بدون نظارت، الهامبخش مفاهیم جدیدتری مانند یادگیری خودنظارتی، مدلهای پایه، مدلهای انتشار و شبکههای مولد تخاصمی بودهاند.
برای درک مسیر پیشرفت یک فناوری، آگاهی از تاریخچه آن اهمیت دارد. این ابزارهای هوش مصنوعی مولد یک جهش بزرگ محسوب میشوند، اما همچنان فصلی دیگر در داستان هیجانانگیز هوش مصنوعی هستند. این دوره به شما کمک میکند تا از مبانی هوش مصنوعی پیشبینیکننده تا تکنیکهای پیشرفتهتر هوش مصنوعی مولد آگاهی پیدا کنید و چشمانداز بهتری نسبت به آینده این فناوری جذاب به دست آورید.
مقدمه:
1 – آشنایی با هوش مصنوعی مولد در مقابل هوش مصنوعی سنتی
معماری هوش مصنوعی پیشبینیکننده:
1 – یادگیری ماشینی
2 – یادگیری تحت نظارت و بدون نظارت
3 – شبکههای عصبی مصنوعی
4 – مدلهای داده
مدلهای هوش مصنوعی مولد:
1 – مدلهای پایه
2 – مدلهای زبان بزرگ (LLMs)
3 – مدلهای انتشار تصویر
4 – ترانسفورمر مولد پیشآموزشیافته (GPT)
معماری هوش مصنوعی مولد:
1 – مهندسی درخواست
2 – شبکههای مولد تخاصمی (GANs)
3 – یادگیری خودنظارتی
4 – خودرمزگذار تنوعی (VAE)
5 – ساخت یک سیستم هوش مصنوعی مولد
مسائل قانونی و اخلاقی هوش مصنوعی مولد:
1 – تصمیمگیری قابل ردیابی
2 – مسئولیت خطاهای هوش مصنوعی
3 – آموزش حق تألیف
4 – جمعآوری گسترده دادهها و حفظ حریم خصوصی
5 – مارپیچ مرگ تخصص