Transcrições
1. Introdução: Então, você provavelmente já viu a IA aparecer várias
vezes nas notícias. E muitas vezes, há muitos
desses jargões usados na IA Agora, como não sou técnico, tive dificuldade em entender o que algumas dessas palavras significavam
e o que significavam em relação à
minha
carreira e ao meu trabalho Agora, este curso
visa destacar alguns
dos termos mais importantes
e fundamentais do
glossário para que
você possa entender melhor, como pessoa não técnica, como o mundo
da IA funciona
2. Glossário: Então, a primeira palavra
com a qual vamos começar será de A, e vamos
até Z. Então, será uma
ordem alfabética Se você precisar se
referir a uma palavra novamente, dessa forma, é mais fácil
pesquisá-la. Então, a primeira palavra que
vamos usar ou
sobre a qual falaremos é agentes, agentes de IA. Então, os agentes de IA são esses modelos de linguagem capazes de se comunicar
uns com os outros para nos ajudar a realizar melhor
uma determinada tarefa ou
atividade. Portanto, para
otimizar a produção da IA, os desenvolvedores trabalhariam
com diferentes agentes de IA. Imagine ter um agente de viagens, e esses são agentes que em vez disso, usam
a tecnologia para ajudar a cumprir essa meta. Em seguida, temos bots de bate-papo. Chat Bots é Chat
GBT, Claude Lama. Esses são os grandes
modelos de IA de bate-papo que conhecemos e amamos. E esses são
aqueles em que provavelmente todo mundo pensa quando
pensa em IA,
porque com esses bots de bate-papo, conversamos com
eles com a
linguagem natural
e, em seguida, eles
nos dão uma resposta. E isso leva a toda essa coisa de
inteligência artificial. O próximo é a visão computacional. visão computacional
é a tecnologia por trás de como uma máquina pode
visualizar uma determinada coisa, que pode abranger um campo inteiro e também tem muitas complexidades
diferentes Quando falamos
sobre a visão do Chat GBT, ele usa essa tecnologia
e todo o aprendizado
dessa comunidade para implementar
em seu processo de visão Então, quando você está configurando imagens e fazendo com
que ela avalie o
que é isso, isso também se enquadra
nessa categoria. Ou se você estiver usando para
avaliar distâncias e estruturas
faciais, isso também
se enquadra na visão computacional. Em seguida, temos o aprendizado profundo. O aprendizado profundo é quando você se dedica
mais ao tipo de aprendizado de máquina
que está fazendo, e o aprendizado de máquina
abordará mais tarde. Mas está utilizando
esse conjunto específico de informações e sendo
mais Portanto, você usaria o aprendizado profundo
quando alguém está estudando um determinado idioma ou um determinado tipo de exame para
um determinado nicho. Talvez esteja traduzindo
idiomas ou talvez seja um
diagnóstico de leitura ou talvez esteja ajudando a criar
certas partes da imagem Tudo isso tem a ver com
categorizar informações, dividi-las
em uma determinada seita ou setor
e, em seguida, construir o
conhecimento em cima disso ou obter resultados
desse Em seguida, temos o GPT, que significa transformador generativo
pré-treinado Portanto, o chat GPT é bate-papo que é um transformador generativo
pré-treinado É por isso que também existe a opção criar GPTs personalizados, que é seu próprio GPT personalizado E a palavra
explica essencialmente o que é por si só. Tão generativo que está
gerando pré-treinado, o que significa que está gerando
a partir dos dados treinados
que tem transformadores, que são uma tecnologia de saída
preditiva Em seguida, temos grandes modelos de
linguagem, e modelos de linguagem grandes
são esse enorme conjunto de dados que pode ser categorizado em linguagem
natural Então, a razão pela qual a
IA explodiu
tanto é porque agora podemos usar a linguagem natural E com essas línguas
naturais, talvez inglês,
vietnamita, chinês,
russo, todos esses
tipos de Se você puder usar a
linguagem para acessar esses conjuntos de dados por meio
desses grandes modelos de linguagem, poderá recuperar quantidades
significativas de dados em uma taxa extremamente rápida para ajudar a
obter uma saída muito melhor É por isso que você pode
entrar no Chat GBT. Diga alguma coisa e,
quando faz
isso, acessa todas as
informações que possui
e, em seguida, envia
uma resposta com base no
que você deseja Mas uma maneira rápida de pensar
sobre grandes modelos de linguagem, LLMs é usar sua palavra natural para ajudá-lo a descobrir, a partir
desse enorme cérebro como extrair as informações certas e
específicas que você precisa para fornecer
a saída desejada Em seguida, temos o aprendizado de máquina. O aprendizado de máquina é basicamente fazer com que as máquinas
aprendam com um conjunto de dados. E isso é importante porque na última década
e antes, o aprendizado
de máquina é
essencialmente como as pessoas
treinavam determinados conjuntos de dados para obter determinadas respostas
que desejavam. Por exemplo, se você estiver construindo um robô para colher morangos, você usaria o
aprendizado de máquina para treinar esse robô sobre qual
safra colher, quais cores observar
e, em seguida, escolher os morangos
certos. Muitas pessoas do mundo do aprendizado de
máquina estão
migrando
para o mundo da IA, que é essencialmente
a próxima etapa na interpretação e uso de dados É por isso que
há muita confusão e combinação
entre
essas tecnologias A próxima palavra é linguagem
natural. Então, ao trabalharmos com IA, estamos usando linguagem natural. E você verá isso
surgir muito quando
as pessoas usarem termos como as pessoas usarem termos como PNL para descrever que isso é uma coisa de
processamento de linguagem natural Então, quando você está trabalhando
com o LLM deles, eles estão usando seus dados para processar sua linguagem
natural Então, pessoalmente,
acho que no futuro, a
linguagem
natural será como um programador usa código para obter a
saída que deseja O próximo termo é redes
neurais, e redes neurais
são essencialmente como a
rede neural do cérebro funciona Grande parte da teoria da IA
e da forma como recuperamos informações na IA são baseadas em estudos sobre redes
neurais Engenharia ou solicitação imediata. É quando você está escrevendo
a solicitação para inserir
no modelo de linguagem. E a parte de engenharia significa que, ao
escrever uma solicitação, como você sabe
quais correções fazer? Como você sabe
qual é o seu objetivo? E como isso se
traduz nesse prompt que você está escrevendo para que, ao enviá-lo
para a máquina, a máquina saiba que
tipo de informação
recuperar e fornecer
a saída desejada Tokens. Simplificando, os tokens são as palavras que você coloca em seu prompt antes
de enviá-lo. Transformadores. Portanto, os transformadores com os maioria das pessoas está familiarizada estariam
com o Cat GBT E como isso funciona
é que os transformadores são capazes de entender em um contexto todas as palavras
diferentes E a partir dessas palavras, ele atribui
pesos e importâncias, como a importância de uma determinada
palavra nessa frase E então, à medida que entra
na máquina, ele começa a processar e
encontrar os dados de
que precisa com base na
solicitação que você deu. Verifique qual palavra
é mais importante. Então, o
enviará
nessa direção na nuvem de dados
e, com base em
seus outros tokens, descobrirá para
onde mais enviar seu rastreador de dados e encontrará os dados específicos certos para agrupar e depois enviar
para E o problema com
os transformadores é que eles usam tecnologia
preditiva para prever o que seria dado a você a seguir Portanto, está se baseando na palavra anterior com base nas informações
fornecidas. Então, está pegando todos esses dados, acessando uma biblioteca com todos
eles, dividindo-os no
que é essencial para suas necessidades e, em
seguida, predizendo-os e distribuindo-os
individualmente, usando seus algoritmos de
análise preditiva para retornar a você o que você
havia perguntado originalmente E esse é o
glossário das palavras que você deve conhecer como não técnico no
mundo da IA Isso deve fornecer a base para entender sempre que houver uma nova versão, algumas atualizações ou uma grande inovação na IA Espero que você goste deste curso e nos vemos na próxima vez.
Arnold Trinh, Multi-Disciplinary Creative
