Generative KI: Erste Schritte

1. Generative KI – Kurseinführung: In diesem Videokurs erfahren Sie mehr über generative KI und ihre Konzepte. Generative KI ist eine Untergruppe von Deep Learning. Es verwendet neuronale KI-Netzwerke und kann sowohl markierte als auch unbeschriftete Daten mit überwachten, unbeaufsichtigten und halbüberwachten Methoden verarbeiten sowohl markierte als auch unbeschriftete Daten mit überwachten, unbeaufsichtigten und halbüberwachten Methoden Es bezieht sich auf eine Klasse von Modellen und Algorithmen für künstliche Intelligenz , die zur Erstellung neuer Inhalte entwickelt wurden Diese Modelle können Text, Bilder, Musik und andere Datenformen generieren . Diese ahmen von Menschen geschaffene Inhalte nach. Generative KI-Anwendungen basieren auf großen Sprachmodellen. Bei diesen großen Sprachmodellen handelt es sich um Deep-Learning-Modelle. Mit generativen AVA-Chatboards wie CA GPT, Google Gemini, Microsoft Co Pilate Sie können ganz einfach Bilder wie Logos, Banner usw. erstellen wie Logos, Banner usw. Scannen Sie Bilder und suchen Sie in PDF-Dokumenten. Schreiben Sie auch professionelle E-Mails, Blogs und Artikel in Sekundenschnelle. Diese Chat-Boards können dir auch das Programmieren beibringen. Schreiben Sie Werbung für Sie. Korrigieren Sie die Grammatik, planen Sie Ihre Berufung und seien Sie Ihr alltäglicher KI-Assistent. Die folgenden Lektionen werden in diesem Kurs behandelt Beginnen wir mit der ersten Lektion. 2. KI vs. ML vs. DS vs. DL: In dieser Lektion werden wir den Unterschied zwischen künstlicher Intelligenz, Datenwissenschaft, maschinellem Lernen und Deep Learning verstehen den Unterschied zwischen künstlicher Intelligenz, . Wir werden auch sehen, wie diese miteinander zusammenhängen. Damit werden wir auch verstehen, wie generative VA mit diesen Begriffen zusammenhängt. Lass uns anfangen. Wie ich dir gesagt habe, werde ich das zuerst besprechen. Warum? Weil unser generatives A auch Teil dieser KI ist. KI ist ein Superset, wie Sie in diesem Winddiagramm sehen können Es ist ein Superset. Es umfasst Ihr maschinelles Lernen, Deep Learning und Datenwissenschaft Aber das Ökosystem der Datenwissenschaft geht auch über AA hinaus. Was ist KI A bedeutet intelligente Maschinen zu entwickeln, um menschliches Verhalten nachzuahmen Oder wir können sagen, es bezieht sich auf die Simulation menschlicher Intelligenz in Maschinen, die im Grunde darauf programmiert sind, wie Menschen zu denken und zu lernen Sie müssen AA heutzutage in vielen Bereichen gesehen haben , weil Sie große Datenmengen leicht analysieren, Muster erkennen und Entscheidungen treffen können. Es wird hauptsächlich in den Bereichen Gesundheitswesen, Finanzen , Transport und Unterhaltung eingesetzt. In diesen Tagen. Dann kommt Ihr maschinelles Lernen , eine Untergruppe der künstlichen Intelligenz, die AA ist Maschinelles Lernen ist, wie ich bereits sagte, eine Untergruppe von AA. Und es wird verwendet, um ein Modell auf der Grundlage von Trainingsdaten zu erstellen , um Vorhersagen zu treffen Mithilfe von maschinellem Lernen können Sie ein Modell erstellen , um Vorhersagen zu treffen , beispielsweise um den Gewinner dieser Weltmeisterschaft vorherzusagen. Es konzentriert sich auf die Entwicklung von Algorithmen und statistischen Modellen, die es einem Computer ermöglichen, aus Daten zu lernen und Vorhersagen oder Entscheidungen auf der Grundlage von Daten , ohne explizit dafür programmiert zu sein seinen Techniken gehören überwachtes, unbeaufsichtigtes, halbüberwachtes und verstärkendes Es wird auch in verschiedenen Bereichen wie der Bild- und Spracherkennung (NLP), also natürlicher Sprache , Prognose von medizinischen Diagnosen und anderen. Jetzt kommt Ihre Datenwissenschaft. Datenwissenschaft ist die Untergruppe von AA, wie ich oben sagte. Es ist ein Bereich der Statistik, wissenschaftlicher Methoden usw., um aus Daten Bedeutung und Erkenntnisse zu gewinnen Also gebe ich ein Beispiel. Nehmen wir an, du bist auf Instagram gegangen und dir haben einige Autovideos wie MG, Kia, Honda, Tesla gefallen . Was wird passieren? Du hast Instagram deine Daten gegeben , dass ich solche Videos mag. Solche Instagram-Reels, Instagram-Kanäle, Instagram-Konten. Was wird also passieren? Wenn du Instagram das nächste Mal öffnest, wird dir Instagram automatisch solche Walzen, solche Beiträge, sagen wir, Rabatte auf Autos anbieten. Also, wie sind diese Dinge passiert? All diese Dinge sind aufgrund von Datensignalen passiert , weil sie den Daten Bedeutung und Erkenntnisse entziehen. Nehmen wir an, eine Autofirma möchte sich an einige Leute wenden, die Autos lieben. Wann immer sie einen gesponserten Beitrag oder eine Geschichte auf Instagram hinzufügen , wissen sie, dass diese Anzahl von Leuten Autovideos mag, also wird ihnen dasselbe angeboten Was Data Science getan hat, war, dass sie den Kunden mit dem Unternehmen verbunden Auf diese Weise profitierten beide Parteien, der Kunde erhielt diesen Rabatt und das Unternehmen verkaufte sein Produkt Das ist also der Wert der Datenwissenschaft. Wir sagen, Daten sind die neue Lüge , weil unverarbeitete Daten nutzlos sind Ebenso nützt ein OL nichts, wenn es nicht richtig verarbeitet wird Daher werden Daten verarbeitet und aussagekräftige Erkenntnisse generiert. Jetzt kommt Ihr Deep Learning, Deep Learning, Sie als Teilbereich des maschinellen Lernens betrachten können Dem n-Diagramm zufolge können Sie sehen. Es ist eine Klasse von Algorithmen für maschinelles Lernen zur Lösung komplexer Probleme. Es konzentriert sich auf die Verwendung künstlicher neuronaler Netze mit mehreren Schichten, um komplexe Muster in Daten zu modellieren und zu verstehen. Deep-Learning-Algorithmen sind von der Struktur und Funktion des menschlichen Gehirns inspiriert , insbesondere von seinem miteinander verbundenen Neuronennetzwerk. Warum diskutieren wir darüber? Weil generative VA ein Teil von Deep Learning ist. 3. Deep-Learning-Typen: In dieser Lektion werden wir die Arten von Deep Learning verstehen . Dies wird uns auch helfen zu verstehen, wie generatives A mit Deep Learning zusammenhängt. Wir werden auch ein Beispiel sehen. Lass uns sehen. Zu den Deep-Learning-Typen gehören sowohl Ihr diskriminatives als auch Zuvor haben wir alle darüber gesprochen, sagen wir, anhand einer Reihe von Bildern aus einigen Bildern zwischen einem Hund und einer Katze zu klassifizieren Reihe von Bildern aus einigen Bildern zwischen einem Hund und einer Okay. Diskriminatives Deep Learning wird verwendet, um zu klassifizieren oder vorherzusagen Es unterscheidet zwischen verschiedenen Arten von Dateninstanzen. Nehmen wir an, Sie haben einige Bilder und möchten sie als Hund oder Katze klassifizieren, sodass sie zwischen ihnen unterscheiden können, und wir sagen voraus , welches von ihnen die Wahl eines Hundes oder einer Katze ist Generative KI ist jedoch ein völlig anderes Konzept. Es wird neue Daten generieren, die den Daten ähneln, an denen es trainiert wurde. Es generiert neue Dateninstanzen. Das bedeutet, dass in diesem Fall ein neuer Katzenmagier generiert wird. Nehmen wir an, du lädst deine Auswahl hoch und sie generiert deine KI von TA. Oder nehmen wir an, Sie haben eine Textaufforderung hinzugefügt. Nehmen wir an, Sie möchten etwas über Cricket wissen . Sie fragen also nach der Aufforderung, und es werden neue Daten oder Inhalte generiert, die den Originaldaten ähneln, mit denen es trainiert wurde. Okay? 4. Was ist generative KI: In dieser Lektion werden wir verstehen, was generative VA ist? Wir werden auch ihren Prozess verstehen , wie sie neue Inhalte generiert. Lass uns sehen. Nun, da wir über generatives I gesprochen haben, habe ich Ihnen gesagt, dass es ein Teil von Deep Learning ist. Du kannst es sehen. Generative VA ist eine Untergruppe von Deep Learning Es verwendet neuronale AA-Netzwerke und kann sowohl beschriftete als auch unbeschriftete Daten verarbeiten Das bedeutet nach wie vor die Arten des maschinellen Lernens, eine überwachte, unbeaufsichtigte und eine halbüberwachte Methode GI, das heißt, generative KI ist eine Klasse von KI-Modellen. Das ist darauf ausgelegt, neue Inhalte zu erstellen. Es kann nicht nur Text, sondern auch Bilder, Musik und andere Datenformen generieren . Es basiert auf großen Sprachmodellen. Wir werden später auch auf große Sprachmodelle eingehen. Diese LLMs, das heißt große Sprachmodelle, sind Deep-Learning-Modelle. Dies ist der Prozess der generativen KI. Ich habe dir gesagt, dass es neue Inhalte erstellt , die auf dem basieren, was es aus bestehenden Inhalten gelernt hat. Das heißt die Daten, auf denen es trainiert wurde. Training bedeutet hier, aus bestehenden Inhalten zu lernen. Es wird ein statistisches Modell erstellt. Das wird verwendet, um eine erwartete Reaktion vorherzusagen. Wenn Sie eine Aufforderung eingeben. Wenn eine Eingabeaufforderung eingegeben wird, verwende ich das statistische Modell. Um neue Inhalte in Form von Text, Bildern, Musik, Videos, Aufgaben und anderen zu generieren Musik, Videos, Aufgaben und anderen 5. Techniken zur Implementierung von generativer KI: In dieser Lektion werden wir einige Techniken zur Implementierung von generativer AA verstehen . Sie können es auch als Ansätze oder generative KI-Modelle betrachten . Sie müssen von den Stiftmodellen GPT Three und GP Four von Pen AA gehört haben Stiftmodellen GPT Three und GP Four von Pen AA Diese basieren ebenfalls auf diesen Techniken. Lass uns sehen. Sehen wir uns nun die Techniken zur Implementierung von generativem A an, oder Sie können es auch als generative KI-Modelle betrachten. Der erste ist GAs. Generative gegnerische Netzwerke . Dabei werden zwei neuronale Netze gleichzeitig trainiert Das erste ist ein Generatornetzwerk und das zweite ist ein Diskriminatornetzwerk Der Generator erzeugt Daten während der Diskriminator sie auswertet Sie können sagen, dass das Generator-Netzwerkobjektiv Datenproben wie Bilder oder Text generiert , die Ihren Trainingsdaten ähneln Dabei lernt das Diskriminatornetzwerk , zwischen echten und vom Generator generierten Datenproben zu unterscheiden echten und vom Generator generierten Datenproben Bei dem zweiten handelt es sich um automatische Variationsencoder. Diese werden hauptsächlich zum Kodieren und Rekonstruieren von Daten verwendet Kodieren und Rekonstruieren Es ist auch eine Art generatives Modell beim maschinellen Lernen und beim Deep Learning verwendet wird Die automatischen Variationsencoder können neue Daten generieren, die den Eingabedaten ähneln, mit denen sie trainiert wurden Sie können damit neue Bilder erstellen , die einem bestimmten Datensatz ähneln VAs werden bei generativer Modellierung, Datenkomprimierung usw. verwendet. Sehen wir uns nun transformatorbasierte Modelle an. Mit diesen können wir problemlos große Datensequenzen verarbeiten, insbesondere bei NLP-Aufgaben Dies ist das Thema, über das wir sprechen werden. Weil dies hinter einigen der fortschrittlichsten Sprachmodelle wie AI GPD drei und GPD vier Zwei der leistungsstärksten generativen A-Modelle. Diese basieren auf der Transformator-Architektur. Die Transformator-Architektur wurde 2017 von Indian geprägt Diese Modelle werden verwendet, um menschenähnlichen Text zu generieren. Es kann Ihnen auch bei Codierungsaufgaben helfen und von einer Sprache in eine andere übersetzen. Lass uns mehr darüber erfahren. GPT bedeutet generativer, vortrainierter Transformator. Deshalb diskutieren wir dieses Thema. 6. Generative KI – Transformatoren: In dieser Lektion werden wir verstehen, was ein Transformator ist. Wir werden sehen, was ein Transformatormodell ist , welche Architektur es hat, wer es geprägt hat, wir werden auch seinen Prozess sehen Bei der Verwendung von Transformatoren kann es sein, dass Sie auf ein Problem stoßen, das als Halluzination bezeichnet wird Wir werden auch behandeln, was Halluzinationen sind und Beginnen wir mit dem Transformer-Konzept. Hier kommen deine Transformatoren. Es ist eine Art generatives Modell. Das ist eine Art generatives Modell, das als Transformatormodell bezeichnet wird. Sie können davon ausgehen, dass die Leistung von generativem A die Verwendung dieser Transformatoren zurückzuführen ist. Ich habe dir gesagt, dass es 2017 von Indern geprägt wurde, Ashish asi. Okay. Es hat dazu beigetragen, den Grundstein für Fortschritte im Bereich NLP und maschinelles Okay. Die Transformatoren beinhalten Encoder und Decoder Ich werde später auch ein Beispiel geben. Der Encoder kodiert die Eingabesequenz. Nehmen wir an, Sie haben einen Text in spanischer Sprache und möchten ihn in englische Sprache konvertieren . Was wird passieren? Der Encoder kodiert die Eingabesequenz und leitet sie an den Decoder weiter, der lernt, die Repräsentationen für die jeweilige Aufgabe zu dekodieren . Lass uns sehen. Hier ist der Prozess, den ich dir erzählt habe: Encoder, Decoder. Es ist der Hauptbestandteil der Transformatorarchitektur. Nehmen wir an, wir haben einen Text. Mein Name ist Amet und ich spreche Spanisch Was wird mit den Transformatoren passieren? Es wird zuerst codiert. Das bedeutet, dass der Encoder Ihre Selbstaufmerksamkeits - und Feed-Forward-Mechanismen mit einbezieht Ihre Selbstaufmerksamkeits - und Feed-Forward-Mechanismen . Was wird passieren? Jedes Wort wird mit jedem anderen Wort in der Eingabesequenz verknüpft. Auf diese Weise kann sich der Prozess auf die darin enthaltenen Schlüsselwörter konzentrieren . Was wird nun passieren, wenn der nächste Mechanismus weiterentwickelt wird? Dadurch wird das Verständnis der einzelnen Wörter weiter verfeinert, und es wird an den Decoder weitergegeben Außerdem wird der Decoder den spanischen Text in englischer Sprache generieren den spanischen Text in englischer Sprache Das bedeutet, dass ein spanischer Text mithilfe von Transformatoren in seine englische Entsprechung übersetzt wurde Bei der Verwendung von Transformatoren kann ein Problem auftreten. Das bedeutet Hauzinationen. Sie müssen davon gehört haben, dass AA irrelevante Ergebnisse, irreführende Ergebnisse und grammatikalische Probleme All dies wird durch Halluzinationen verursacht. Hier können Sie irreführende Ergebnisse sehen . Aluzinationen sind Wörter oder Phrasen, die vom Modell generiert werden Das sind oft unsinnig oder grammatikalisch falsch . Das kann auf verschiedene Faktoren zurückzuführen sein. Nehmen wir an, die Daten sind verrauscht. Es hat nicht genug Kontext oder das Modell wurde nicht mit genügend Daten trainiert Illustrationen erschweren es also, den Ausgabetext zu verstehen, da es sich um irreführende Ergebnisse erschweren es also, den Ausgabetext zu verstehen, da es sich um 7. Große Sprachmodelle (LLMs) und ihre Anwendungsfälle: In dieser Lektion werden wir etwas über LLMs lernen. Das sind große Sprachmodelle. Wann immer Sie über Generative I sprechen, dann wird dieses Thema immer berücksichtigt werden. Sowohl LLM als auch generative VAs sind Untergruppen von Deep Learning. Lassen Sie uns verstehen, was LLMs sind, und wir werden auch einen Typ besprechen , oder Sie können einen Anwendungsfall von LLMs in Betracht ziehen Lass uns sehen. Okay. Jetzt werden wir über große Sprachmodelle sprechen. Ich habe Ihnen gesagt, dass generative VA ein Teil von Deep Learning ist und LLMs auch ein Teil von Deep Learning sind . Beide sind verwandt LLMs sind auch eine Untergruppe von Deep Learning. Wie ich gerade sagte, okay, Sie müssen von CAT GPT, Copilot, Google Gemin gehört haben, das heißt Bad LLMs sind KI-Modelle. Sie können diese Macht in Betracht ziehen, all diese Chat-Bots LLMs sind große Sprachmodelle. Das bedeutet große Allzweck-Sprachmodelle. Das kann vorab trainiert und dann für bestimmte Zwecke verfeinert werden. Sie können LLM mit einem großen Datensatz vorab trainieren, und Feinabstimmung bedeutet, es an ein bestimmtes M mit einem kleineren Datensatz aus diesem großen Datensatz zu verfeinern ein bestimmtes M mit einem kleineren Datensatz aus diesem großen Datensatz LLMs stellen auch eine Klasse von KI-Modellen dar , die verwendet werden, um menschenähnlichen Text zu verstehen und zu generieren, oder Sie können sagen, dass sie eine Engine bereitstellen, die den aHD-Bot antreibt Ihre AHD-Bots basieren auf diesen LLMs. Mit diesen LLMs kann Ihr Chat-Bot auf einfache Weise natürlich formulierte Empfehlungen erstellen, sodass der Inhalt von generativer KI gemäß Ihrer personalisierten Empfehlung generiert wird generativer KI gemäß Ihrer Aus diesem Grund gilt LLM als das Rückgrat von AHD-Bots, allen AHD-Bots allen Sehen wir uns nun ein Szenario oder einen Anwendungsfall an. Die großen Sprachmodelle werden mit Petabyte an Daten trainiert und generieren Milliarden von Parametern Um verschiedene Aufgaben zu lösen. Diese Aufgaben können Satzvervollständigung, Textklassifizierung und Sprachübersetzung sein. Wir können uns dieses Beispiel für Palm PLM ansehen. Es handelt sich um ein auf Transformatoren basierendes Großsprachenmodell. Google hat gerade auch Palm Two angekündigt. Es ist ein Pathways-Sprachmodell 540 Milliarden Parametern, das ist ein größerer Trainingsdatensatz mit einer großen Anzahl von Parametern. Es ist auch ein Transformatormodell. Ich habe Ihnen gerade gesagt, dass das Transformatormodell Ihre Encoder und Decoder umfasst . Ich habe das schon einmal besprochen Die Besonderheit von LLMs besteht also darin , dass sie mit wenigen Domain-Trainingsdaten immer noch eine höhere oder anständige Leistung erzielen können eine höhere oder anständige Leistung mit wenigen Domain-Trainingsdaten Es kann also für Szenarien mit wenigen oder sogar Nullschüssen verwendet werden . diesen beiden Szenarien werden Sie also immer wieder auf solche Begriffe stoßen, wenn Sie mehr über LLM und all diese Modelle erfahren immer wieder auf solche Begriffe stoßen, wenn Sie mehr über LLM und Also lass es mich schnell erklären. Wenn Sie ein Modell mit weniger Daten und einer minimalen Datenmenge trainieren , würde es, wie der Name schon sagt, als Few Shot bezeichnet. Und was ist mit Zero Shot? Das bedeutet, dass ein Modell Dinge erkennen kann , die zuvor in der Schulung nicht vermittelt wurden. Das bedeutet Null Schuss, nichts. LLM Die Leistung von LLM steigt, wenn Sie mehr Daten und Parameter hinzufügen Hier haben wir gerade F 40 Milliarden Parameter gesehen. Wir können später mehr über Palm erfahren. Es gilt als Sprachmodell der nächsten Generation. Mit den erweiterten Funktionen zum mehrsprachigen Denken und Programmieren Okay. Google kündigte im Juni 2023 auch Audio Palm für die Sprach-zu-Sprache-Übersetzung an. 8. Generative KI – Anwendungen und Herausforderungen: In dieser Lektion werden wir lernen, was die Anwendungen und Herausforderungen der generativen VA sind . Mit generativer VA können wir auf einfache Weise Inhaltsbilder, Logos und Banner sowie zusammenfassende PDF-Dateien Wir sollten aber auch die Herausforderungen verstehen, die dahinter stehen. Weil dies auch ein Thema ist, das behandelt werden muss, da generative VA auch für einige unethische Zwecke verwendet wird auch für einige unethische Zwecke verwendet Lass uns sehen. Sehen wir uns nun einige Anwendungen und Herausforderungen der generativen KI an. Wir alle wissen, dass generatives AA verwendet werden kann, um Inhalte zu erstellen , Daten nachzuweisen, wir können E-Mails schreiben. Wir können auch Charaktere, drei D-Bilder und Spiele erstellen . Wir können komplette Landschaften und Szenarien erstellen. Es kann auch problemlos von Künstlern und Designern verwendet werden. Sie können auch Logos, Banner und Social-Media-Beiträge erstellen . welche Herausforderungen würde ich gerne näher eingehen? Wir haben gesehen, dass bei diesen generativen KI-Modellen grundsätzlich davon ausgegangen wird, dass sie ethische Bedenken, Qualitätskontrolle und Vorurteile beinhalten. Auch die Bilder, die Sie generieren, die Texte, die Sie Manche Leute sagen, dass es Urheberrechtsprobleme geben kann , oder fragen sogar auf YouTube, ob dein Video von AA generiert wurde oder nicht? Du kannst es also explizit erwähnen. Auch auf Instagram gibt es die Möglichkeit, Ihr KI-Label hinzuzufügen. Okay. Damit ist das eine der Herausforderungen oder Probleme mit dem BNE. Hier ist es Bei Google Gini wurden früher einige irreführende Ergebnisse angezeigt, zum Beispiel, dass Leute Steine essen und Pizza kleben können Also stieg jemand an und Google AI Surg ergab Diese sind also sehr beängstigend. Wann erfahren Sie mehr über Google Gemini. Jetzt wird ein Haftungsausschluss angezeigt, der besagt , dass, wenn Sie einen Fitness- oder Speiseplan mit diesen Had Birds erstellen , es einen Haftungsausschluss gibt, dass Sie sich an einen registrierten Ernährungsberater oder einen Fitnessexperten wenden müssen einen registrierten Ernährungsberater oder , bevor Sie unseren Antworten folgen , bevor Sie dem angezeigten Ergebnis folgen. Diese Dinge sind wirklich wichtig. 9. Generative KI – Chatbots (Modelltypen): In dieser Lektion lernen wir die generativen Via-Chat-Bot-Modelltypen Sie müssen von den Modellen Text-zu-Text-Modell, Text-zu-Bild-Modell, Text-zu-Video, Text-zu-Musik-Modell gehört haben Text-zu-Bild-Modell, Text-zu-Video, Text-zu-Musik-Modell . Mal sehen, was das sind. Lassen Sie uns nun die Modelltypen sehen, sodass dies derzeit auch Ihre EI-Chat-Bots abdeckt. Okay. Text zwei, wir alle wissen, OP EI Cat GPT, Microsoft Co Pilot und Google GMI. Wir geben eine Textaufforderung ein, um eine E-Mail zu generieren, um einen Artikel zu generieren, um einen Block zu generieren Damit können wir zwei Textbilder auf dem Modell Dali und Md Jury verwenden zwei Textbilder auf dem Modell Dali und Dali-Modell ist jetzt Teil von Microsoft Copilot, sodass Sie in der kostenlosen Version von Copilot an einem Tag etwa 15 Boosts erhalten, sodass Sie mit Daly sodass Sie in der kostenlosen Version von Copilot an einem Tag etwa 15 Boosts erhalten kostenlosen Version von Copilot an einem Tag arbeiten können Text zu Video, Open A Sa, und wir haben heute auch Kling und Sie können also jetzt versuchen, Text für Video zu generieren. Ganz einfach. Schreiben Sie zwei Songs. Sie haben bestimmt schon davon gehört, Songs mithilfe von Textansagen zu erstellen , indem Sie eine zweizeilige Eingabeaufforderung mit So AA verwenden Okay. Sie können dies ganz einfach mit dem Modell „Text mit zwei Liedern“ erreichen. Dann kommt Ihr Text zu Aufgaben wie Softwareagenten, virtuelle Unterstützung und Automatisierung. Also hat sich Microsoft die Copilot-PCs ausgedacht , das Copilot-Studio auch als virtuellen Assistenten, um die Arbeit zu erleichtern 10. Generative KI – Funktionen und Beispiele: In dieser Lektion lernen wir die Funktionen von generativen via Chat-Boards sowie einige Beispiele kennen. Zusammenhang mit den Funktionen werden wir einige Beispiele sehen, sich auf Text-zu-Bild-zu-Bild sowie auf Text-zu-Video beziehen. Lass uns anfangen. Nun zu den Funktionen von aHD-Bots Ich habe diese Chat-Bots schon einmal gezeigt. Nun zu den Funktionen, ich habe sie einfach alle zusammengefasst. Sie können ganz einfach Logo-Banner erstellen. Sie können es auch verwenden, um zu codieren, Ihren Code zu korrigieren und Syntax zu generieren. Damit können Sie auch Bilder hochladen und scannen. Das heißt, wenn Sie ein Bild haben und möchten, dass der AH adb es liest, scannt Das Was beinhaltet dieses Bild? Unser Tutorial beinhaltet also auch diesen kompletten Anwendungsfall. Sie können direkt fragen, was dieses Bild beinhaltet? Indem ich EPEC lobe. Okay. können Sie problemlos PDF-Dokumente suchen und scannen. So können Dokumente mit 20 Seiten, zehn, 20, 50 Seiten innerhalb von Sekunden innerhalb von weniger als einer Minute gescannt werden. Auf jeden Fall wird es Ihnen Zeit sparen. Es spart mindestens fünf bis sieben 8 Stunden Ihrer Arbeit. Wenn Sie ein 30- bis 40-seitiges Dokument zusammenfassen möchten. Sie können E-Mail-Blogs und Artikel schreiben. Sie können auch den Ton und die Anzahl der gewünschten Wörter festlegen. Wenn Sie Storytelling für Ihren Artikel wünschen , können Sie es ganz einfach hinzufügen Damit können Sie ganz einfach Jobs finden, Lebensläufe und Anschreiben aus diesem Lebenslauf erstellen Ich habe bereits gesagt, dass wir es auch zum Codieren verwenden können. Sie können auch Werbung schreiben. Sie können Produktzeitpläne erstellen. Korrigieren Sie die Grammatikkorrektur, lesen Sie Ihren Inhalt vollständig Planen Sie Ihren Urlaub, generieren Sie Hotelempfehlungen vollständig Sie können einen Ernährungsplan und einen Fitnessplan auf der Grundlage Ihrer Empfehlung Nehmen wir an, wenn jemand einen Fitnessplan ohne Fitnessgeräte oder einen Trainingsplan haben möchte , kann Ihr Chat-Board dies auch für Sie erledigen. Damit können Sie sich auch Geschenkideen holen. Tatsächlich erhalten Sie in Google Gemini auch Bilder und den Link, um ein Geschenk zu erhalten Nehmen wir an, Sie möchten ein Geschenk für ein Kind im Alter von sechs Jahren. Du kannst erwähnen, dass ich ein Geschenk für einen Jungen im Alter von sechs Jahren haben möchte. Dann erhalten Sie relevante Ergebnisse. Dies sind einige Beispiele. Ich habe sie mit dem Textbildmodell generiert. Nehmen wir an, Dali ist jetzt Teil von Copilot. Sie können ganz einfach Bilder generieren, indem Sie einfach ein- bis zweizeilige Eingabeaufforderungen eingeben Also so habe ich es generiert. Ich habe diese Drei-D-Linie mit einer Sonnenbrille, einem Robo-Bild, einem Hund, der auf einer Straße spielt, und diesen auch generiert mit einer Sonnenbrille, einem Robo-Bild, einem Hund, der auf einer Straße spielt, und diesen auch Das war ein Textbildmodell. Sie können sie auch mit Mid Journey, Encraft, Daly und anderen generieren Encraft, Daly und Dies ist das Modell von Image Two Mage. Also habe ich dieses Bild aus dem Internet genommen. Das sind also die Bilder von Cricketspielern, als sie Kinder waren, und das ist mein Bild, das mit einem Bild-Zwei-Bild-Modell generiert wurde 11. Was sind Aufforderungen: In dieser Lektion werden wir lernen, was Aufforderungen sind. Dabei lernen wir auch, was Prompt-Engineering ist und wer Prompt-Techniker sind Die Rolle von Prompt-Ingenieuren wird immer beliebter. Lass uns sehen. Schauen wir uns nun an , was eine Aufforderung ist. Prompt ist im Grunde die Eingabe, die ein Benutzer eingibt. Ich habe dir gesagt, zwei Bilder, Text zu Text, Text zu Video. Das waren also die Aufforderungen. Was passiert, wenn ein Benutzer die Eingabe eingibt, wird sie zum KI-Modell weitergeleitet, um eine bestimmte Antwort zu erhalten Eine neue Antwort wird generiert. Das ist der Zweck von Generative A, neue Inhalte in Form von Text, Bildern und Videos zu generieren. Okay. Sie können es auch als Anfrage betrachten. Es beschreibt die Aufgaben , die ein AA ausführen sollte. Nehmen wir an, ich möchte meinem Chef eine E-Mail für fünf Tage Urlaub schreiben. Okay, die Antwort wird also generiert. Was ist Prompt Engineering? Es bedeutet, spezifische Anweisungen zu verfassen , die vom AA-Modell verstanden werden können Und um Antworten in Echtzeit zu erhalten. Das heißt, was Sie eingeben werden und das Ergebnis wird sofort generiert. Ich habe dir gerade die Bilder gezeigt, die ich generiert habe. Sie können auch Text aus Ihrer Textaufforderung generieren. Nun, was machen Prompt-Techniker? Die Rolle von Prompt-Technikern wird immer beliebter, denn wenn Sie wissen, wie man Prompts richtig erstellt, können Sie leicht Ergebnisse erzielen, da viele dieser Eingabeaufforderungen begrenzt sind Copilot wird täglich zur Verfügung gestellt, aber du erhältst nur 15 Boosts Auch für Text hast du einige Tokens, Token, du kannst ein halbes Wort oder 0,75 eines Wortes in Betracht ziehen Okay. Also die sind auch auf einen Tag begrenzt. Diese ändern sich ständig. 12. Beliebte KI-Chatbots: In dieser Lektion lernen wir einige beliebte KI-Chat-Bots kennen einige beliebte KI-Chat-Bots Einige von ihnen sind weit verbreitet. Der erste Chat-Bot wurde von OPA eingeführt. Das ist Cgb. Dann kamen dein Copilot und Google Gemini. Leute, im Folgenden sind einige beliebte KI-Chat-Bots aufgeführt. Der erste wurde von OPA eingeführt, das ist Open Gb O Pene führte auch Daly für Bilder ein, und sie führten auch Open SRA Microsoft hat Copilot auf den Markt gebracht. Viele Leute wissen nicht, dass CAD GPT von Microsoft unterstützt wird Es wurde von Microsoft finanziert. Aus diesem Grund haben wir in Copilo jetzt Open Dal für die Bilderzeugung Okay, Google Gemini war als schlecht bekannt und wurde offensichtlich von Google entwickelt Schauen wir uns das Layout also schnell an. Dies sind die Links, über die Sie auf sie zugreifen können. Hier sind die Layouts. Das Folgende. Der erste ist für Chart GPT. Okay. Das ist die kostenlose Version. Wenn Sie eine Eingabeaufforderung eingeben, sagen wir, damit Sie jetzt sehen können, dass Sie GPT 4 kostenlos haben Hier ist es, GPT four f kostenlos mit begrenzten Eingabeaufforderungen und Bilderzeugung Dann haben wir unseren Copiloten. Das sind Copilot GPT. Nehmen wir an, Sie möchten Bilder, Sie können hier klicken und Sie können Logo-Bilder generieren Die Website ist Copilot microsoft.com. Der letzte ist Google Gemini. Okay? Das sind die vorgeschlagenen Eingabeaufforderungen, und das sind die Eingabeaufforderungen, die ich geschrieben habe Unter Einstellungen können Sie das dunkle Design oder auch Erweiterungen auswählen, um auf Tuks zu funktionieren Okay Leute, Leute, wir haben gesehen, wie wir Generative VA, was generative VA ist, ihre Modelle, einfach umgehen können was generative VA ist, ihre Modelle, Wir haben auch etwas über ihre Funktionen und Typen, das Transformatormodell, ihren Prozess und den Prozess der generativen VA gelernt das Transformatormodell, ihren Prozess und den Prozess und wir haben auch einige großartige Beispiele verwendet, um sowohl die Text-zu-Bild-Modelle als auch die Text-zu-Video-Modelle zu verstehen . Danke, dass du dir das Video angesehen hast. 13. ChatGPT-4o Schnellübersicht und Anwendungsfälle (Prompts): Das G4O ist also da. O steht für Omni. Es beinhaltet Ihren Zugriff auf Audio, Vision und Text in Echtzeit. Hier ist es O für Omni, und es akzeptiert als Eingabe jede Kombination aus Text, Audio und Bild Sie können Bilder scannen und Texte in anderen Sprachen als Englisch verbessern Außerdem ist die APA 50% günstiger. Mal sehen, wie man darauf zugreift. Gehen Sie einfach zum Diagramm. Ich habe mich bereits für die Version 3.5 entschieden, daher gibt es mir direkt die Möglichkeit, sie jetzt auszuprobieren. Ich habe dir gesagt, dass es Bilder verstehen kann, im Internet surfen kann und mehr Sprachen spricht. Ich klicke auf Jetzt testen. Hier kannst du g4o sehen. Lassen Sie uns nun damit beginnen, ob es mit dem Internet verbunden ist oder GPT 3.5 war also nicht mit dem Internet verbunden. Dazu gehört aber, dass für G vier eine Internetverbindung vorhanden ist Wie hoch ist die Temperatur heute? Deli Indien? Hier ist die aktuelle Temperatur sichtbar Das heißt, es ist mit dem Internet verbunden. Okay. Von hier aus können Sie auch das Modell ändern. Im Moment sind wir bei GBT vier. Lassen Sie mich jetzt ein Logo generieren. Erstellen Sie ein Logo für ein Online-Shopping-Unternehmen mit dem Text One-Stop-Shopping-Ziel. Mal sehen, ob es ein Logo generiert oder nicht. Nein, es bietet nicht. Nein, lassen Sie uns ein Bild hochladen. Hier ist es Typ. Worum geht es in diesem Bild? Mal sehen, wird es in der Lage sein, das Bild zu überprüfen, das Bild zu scannen oder nicht? Okay, es ist ein Laptop-Smartphone von Apple. Ok. Darüber können wir auch lernen. Lassen Sie uns jetzt ein weiteres Bild hochladen. Ich lade mein Bild hoch, geöffnet? Lass uns sehen. Einreichen. Okay. Es hat es repräsentiert. Jetzt klicke ich auf dieses Schuhbild. Ich tippe. Hast du das schon mal gesehen? Also scanne ich es gerade. Einreichen. Es konnte den Namen des Schuhs perfekt erraten. Okay. Nein, löse diese lineare Gleichung. Ich werde es direkt lösen. Es zeigt auch die Schritte. Okay. Hier ist die Antwort. Sie können die Schritte sehen. Jetzt kannst du sehen, wann ich hier klicke, du hast dein Phyplod-Limit erreicht Du kannst auf Chat GPT Plus upgraden oder es erneut versuchen. Okay. Lass uns einen Artikel zu einem aktuellen Thema schreiben. Schreiben Sie einen Artikel über IPL, indische Premier League ist da und wir nähern uns ihrem Ende Zehn bis 15 Spiele sind noch übrig. Nehmen wir an, wie stark es aktualisiert wurde. Es durchsucht die Nachrichten. Okay. Hier ist es. Informieren Sie mich über die aktuellen Spiele von IPL 2024. Von, es sollte ausgeschaltet sein. Ich habe es bearbeitet. In ähnlicher Weise können Sie auch bearbeiten. Ich habe es gespeichert und bearbeitet. Sie haben unser Nachrichtenlimit erreicht. Bitte versuchen Sie es erneut. Region. So habe ich die 4.0-Version demonstriert, die folgende. Sie können es umbenennen. G vier Erste Eindrücke auf dem Laptop. Okay. Also auf jeden Fall, wenn Sie auch den Sprachzugriff wünschen, müssen Sie zu Ihren Mobiltelefonen gehen und dort Chat GPD herunterladen Laden Sie dort Chat GPD für die GPT 40-Version herunter und installieren Sie für die GPT Also Leute, wir haben einige erste Eindrücke von GPT Four gesehen . Danke fürs Zuschauen