มูลนิธิเอไอ
เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง
ห้องสมุด AI ฟรี
177 คู่มือภาษาอังกฤษธรรมดา เส้นทางการเรียนรู้ที่มีโครงสร้าง และห้องสมุดเปิด — สร้างโดยองค์กรอิสระ 501(c)(3) เพื่อให้ทุกคนสามารถเข้าใจ AI สมัยใหม่ได้
เริ่มที่นี่
แต่ละหลักสูตรประกอบด้วยผลลัพธ์ที่ชัดเจน สมรรถนะที่วางแผนไว้ กิจกรรมฝึกปฏิบัติ และสรุปผลประยุกต์
เข้าใจว่า AI คืออะไร ระบบเรียนรู้อย่างไร จุดที่ล้มเหลว และวิธีตัดสินข้อกล่าวหาโดยไม่โฆษณาเกินจริง
ใช้ AI อย่างมีประสิทธิภาพในขณะที่ปกป้องความเป็นส่วนตัว ตรวจสอบผลลัพธ์ และรักษาความรับผิดชอบของมนุษย์
ประเมินกรณีการใช้งานในที่ทำงาน ดำเนินการนำร่องอย่างปลอดภัย วัดคุณค่า และสื่อสารการเปลี่ยนแปลงอย่างมีความรับผิดชอบ
วิเคราะห์ระบบ AI ผ่านผลลัพธ์ด้านสิทธิ ความเท่าเทียม การกำกับดูแล ความปลอดภัย และผลประโยชน์สาธารณะ
ทำความเข้าใจโมเดลภาษา การดึงข้อมูล ตัวแทน การประเมิน ต้นทุน และการป้องกันการใช้งานผ่านการออกแบบระบบที่ใช้งานได้จริง
แทร็กหัวข้อ
กระโดดเข้าไปในพื้นที่ที่คุณสนใจ ทุกแทร็กมีไกด์ภาษาอังกฤษธรรมดาหลายเล่ม
ห้องสมุดเต็มรูปแบบ
177 ของ 1019 คำแนะนำที่แสดง กรองตามเพลงหรือค้นหาด้านบน
Toolformer คือวิธี Meta AI ปี 2023 ที่ให้โมเดลภาษาสอนตัวเองว่าจะเรียกใช้เครื่องมือภายนอกเมื่อใดและอย่างไร เช่น เครื่องคิดเลข เครื่องมือค้นหา...
เทคนิคเรียนรู้วิธีการทำงานของ Voyager: เอเจนต์ Minecraft AI ที่เขียนโค้ด เก็บทักษะที่นำมาใช้ซ้ำได้ และปรับปรุงผ่านการเรียนรู้ตลอดชีวิตโดยไม่ต้องอัปเดตการไล่ระดับสี
เทคนิคเจเนอเรทีฟเอเจนต์คือตัวละคร AI ที่ขับเคลื่อนโดยโมเดลภาษาที่จดจำ วางแผน และโต้ตอบเหมือนคนที่น่าเชื่อถือ
เทคนิคเจ้าหน้าที่ AI ต้องการหน่วยความจำระยะยาวสองประเภท: หน่วยความจำแบบเหตุการณ์สำหรับเหตุการณ์ในอดีตที่เฉพาะเจาะจง และหน่วยความจำเชิงความหมายสำหรับข้อเท็จจริงทั่วไป
เทคนิคโมเดลมาร์คอฟที่ซ่อนอยู่ อธิบายถึงระบบที่เคลื่อนที่ผ่านสถานะที่ซ่อนอยู่ซึ่งคุณไม่สามารถมองเห็นได้โดยตรง โดยปล่อยเอาต์พุตที่สังเกตได้ตลอดทาง
เทคนิคกระบวนการแบบเกาส์เซียนเป็นวิธีที่ยืดหยุ่นและไม่มีพารามิเตอร์ในการสร้างแบบจำลองฟังก์ชันที่มาพร้อมกับการประมาณค่าความไม่แน่นอนในตัว
เทคนิคQ-Learning เป็นอัลกอริธึมการเรียนรู้แบบเสริมกำลังที่สอนตัวแทนว่าการกระทำใดให้ผลดีที่สุดโดยการค่อยๆ เรียนรู้คุณค่าของแต่ละการเคลื่อนไหวผ่านการทดลอง...
เทคนิควิธีนักแสดง-นักวิจารณ์ผสมผสานผู้เรียนสองคนเข้าด้วยกัน ได้แก่ 'นักแสดง' ที่เลือกการกระทำ และ 'นักวิจารณ์' ที่ตัดสินว่าการกระทำเหล่านั้นดีเพียงใด
เทคนิคMonte Carlo Tree Search (MCTS) เป็นอัลกอริธึมการวางแผนที่จะตัดสินการเคลื่อนไหวที่ดีที่สุดโดยเลือกสร้างแผนผังการค้นหาและจำลองอนาคตที่เป็นไปได้มากมาย
เทคนิคAdam เป็นเครื่องมือเพิ่มประสิทธิภาพที่อยู่เบื้องหลังโครงข่ายประสาทเทียมที่ทันสมัยที่สุด โดยจะปรับอัตราการเรียนรู้แยกกันสำหรับทุกพารามิเตอร์โดยอัตโนมัติ
เทคนิคตารางอัตราการเรียนรู้จะเปลี่ยนขนาดขั้นตอนระหว่างการฝึกแทนที่จะคงไว้ตายตัว
เทคนิคการทำให้เป็นมาตรฐานของเลเยอร์ทำให้การฝึกมีความเสถียรโดยปรับขนาดการเปิดใช้งานภายในแต่ละตัวอย่างใหม่ เพื่อให้มีค่าเฉลี่ยและความแปรปรวนของหน่วยเป็นศูนย์
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.