Bezpłatna biblioteka AI

Językowa sztuczna inteligencja przewodnikiZa darmo na zawsze.

155 przewodniki w prostym języku angielskim, ustrukturyzowane ścieżki edukacyjne i otwarta biblioteka — stworzone przez niezależną organizację non-profit 501(c)(3), aby każdy mógł zrozumieć współczesną sztuczną inteligencję.

155Bezpłatne przewodniki
1Ścieżki tematyczne
~2 minWedług przewodnika
~5hCzas czytania

Zacznij tutaj

Pięć Kursy oparte na wynikach

Każdy kurs zawiera wyraźne wyniki, zmapowane kompetencje, ćwiczenia oraz praktyczny projekt końcowy.

Ścieżki tematyczne

Przeglądaj według utworu

Wskocz w obszar, na którym Ci zależy. Do każdego utworu dołączono wiele przewodników w języku angielskim.

Pełna biblioteka

Wszystkie przewodniki

155 z 1019 pokazane przewodniki. Filtruj według utworu lub wyszukaj powyżej.

Językowa sztuczna inteligencja

Bezpośrednia optymalizacja preferencji

Direct Preference Optimization (DPO) to sposób na dostosowanie modeli językowych do ludzkich preferencji bez konieczności szkolenia osobnego modelu nagrody lub…

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Modelowanie nagród

Model nagrody to sieć neuronowa przeszkolona do przewidywania, jak dobra będzie reakcja sztucznej inteligencji, działająca jako automatyczny zastępca ludzkiej oceny.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Bliższa optymalizacja polityki

Proximal Policy Optimization (PPO) to algorytm uczenia się przez wzmacnianie, najczęściej kojarzony z dostrajaniem modeli językowych na podstawie informacji zwrotnych od ludzi.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Wyszukiwanie wiązki

Wyszukiwanie wiązki to strategia dekodowania, która utrzymuje kilka najbardziej obiecujących sekwencji częściowych na każdym kroku, zamiast zachłannie skupiać się na jednej.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Próbkowanie jądrowe i Top-k

Próbkowanie jądrowe (top-p) i top-k to metody dekodowania, które dodają kontrolowaną losowość do generowania tekstu poprzez ograniczenie wyboru tokenów.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Modelowanie języka zamaskowanego

Modelowanie języka zamaskowanego uczy sztuczną inteligencję wypełniania celowo ukrytych słów przy użyciu pełnego otaczającego kontekstu, zarówno po lewej, jak i po prawej stronie.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Przewidywanie następnego tokenu

Przewidywanie następnego tokenu to zwodniczo prosty cel modeli w stylu GPT: biorąc pod uwagę wszystko do tej pory, odgadnij następny fragment tekstu.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Modele sekwencji do sekwencji

Modele sekwencja do sekwencji odwzorowują jedną sekwencję na drugą o możliwie różnej długości, na przykład przy tłumaczeniu zdania lub podsumowaniu dokumentu.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Architektury kodera-dekodera

Architektury koderów i dekoderów dzielą model na dwie połowy: jedną, która odczytuje i kompresuje dane wejściowe w bogatą reprezentację wewnętrzną, a drugą…

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Uwaga krzyżowa

Przenikanie uwagi to mechanizm, który pozwala jednej sekwencji patrzeć na drugą: dekoder generujący tekst może uwzględnić reprezentację sygnału wejściowego przez koder.

2 min. przeczytajPrzeczytaj
Językowa sztuczna inteligencja

Katastrofalne zapomnienie

Katastrofalne zapominanie ma miejsce wtedy, gdy sieć neuronowa uczy się nowego zadania i nagle traci zdolność do wykonywania zadań, które już opanowała.

2 min. przeczytajPrzeczytaj

Skończyłeś czytać? Udowodnij to.

Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.