01
人工智能基金会
了解什么是人工智能，系统如何学习，哪些地方失误，以及如何在不夸大的情况下判断主张。
免费人工智能库
基础知识 指南永远免费。
84 简明英语指南、结构化学习路径和开放图书馆——由独立的 501(c)(3) 非营利组织构建，以便任何人都可以理解现代人工智能。
84免费指南
1主题曲目
~2 min根据指南
~3h阅读时间
从这里开始
五 成果导向课程
每门课程都包含明确的成果、能力规划、实践活动和应用毕业设计。
02
负责任的人工智能用户
在保护隐私、核查输出和保持人类问责的同时，高效使用人工智能。
03
职场人工智能
评估工作场所用例，运行安全试点，衡量价值，负责任地沟通变更。
04
人工智能政策与社会
通过权利、公平、治理、安全和公共利益结果分析人工智能系统。
05
使用人工智能系统构建
通过实用的系统设计，理解语言模型、检索、代理、评估、成本和部署保障。
主题曲目
按曲目浏览
跳入您关心的领域。每条赛道都有多个简单的英文指南。
全库
所有指南
84 的 1019 显示指南。按曲目过滤或在上方搜索。
基础知识
自玩微调
自对弈微调通过让它与自己过去的输出竞争或学习，生成自己的训练信号来改进模型。
基础知识考试时培训
测试时训练 (TTT) 让模型在做出预测时继续从每个新输入中学习，而不是在训练后保持冻结状态。
基础知识摸索和延迟泛化
Grokking 是一种令人震惊的现象，神经网络首先记住其训练数据，长时间保持接近于零的验证精度，然后……
基础知识过拟合和欠拟合
过度拟合是指模型记住了其训练数据，但在新示例上却失败了；欠拟合是指过于简单而无法捕捉真实模式。
基础知识正则化
正则化是一组故意约束模型的技术，以便它可以推广到新数据而不是记住训练集。
基础知识反向传播
反向传播是一种算法，它可以让神经网络通过有效计算每个权重对错误的贡献程度来从错误中学习。
基础知识梯度下降
梯度下降是一种优化方法，实际上将模型的权重向下移动以降低误差，一次一小步。
基础知识损失函数
损失函数是告诉模型其预测有多么错误的单个数字，将模糊的目标转变为数学可以优化的目标。
基础知识激活函数
激活函数是每个神经元内部的小型非线性门，让神经网络学习复杂的弯曲模式，而不仅仅是直线。
基础知识卷积神经网络
卷积神经网络 (CNN) 是理解图像的主力架构。
基础知识循环神经网络
循环神经网络 (RNN) 旨在处理文本、语音和时间序列等序列。
基础知识生成对抗网络
生成对抗网络 (GAN) 通过让两个神经网络在竞争中相互竞争来创建真实的新数据。