什么是人工智能？

Alexandra Klepper
Alexandra Klepper
X GitHub LinkedIn

人工智能 (AI) 涵盖许多复杂的新兴技术，这些技术曾经需要人工输入，现在可由计算机执行。计算机可以执行高级功能，这些功能过去用于理解和推荐信息。现在，借助 AI，计算机甚至可以生成新内容。

首字母缩写词 AI 通常可互换使用，用于表示构成 AI 领域的各种技术。

常见 AI 概念

这里有许多对人工智能和机器学习定义的术语和概念，可能对您有所帮助。你可以通过以下方式在实际工作中使用 AI 技术：在网络上

通用 AI

从广义上讲，通用 AI 是一种非人类程序或模型，具有广泛的问题解决能力和创造力。model是一个非常大的数学方程，其中包含机器返回输出所需的一组参数和结构。

借助通用 AI，您可以执行多种类型的任务，例如分析数据、翻译文本、创作音乐、识别疾病等。

窄 AI

窄 AI 是一个可以执行单个或特定部分任务的系统。例如，与人类对手下棋的计算机（不要与 Mechanical Turk 混淆）。窄 AI 具有一组预定义的参数、约束条件和上下文，这看起来像是在理解，但实际上只是一个等式的答案。

您可能会看到人脸识别系统、语音助理和天气预报的实际应用。您可以使用高度具体的模型来改进网站和应用中的特定功能。

例如，您创建了一个电影专区，用户可以在该网站中登录自己喜爱的电影、为自己喜爱的电影评分，以及发现要观看的新电影。您可以使用预先填充的数据库，根据他们正在访问的当前页面推荐电影。或者，您也可以使用窄范围 AI 模型来分析用户行为和偏好，从而为该读者显示最相关的信息。

生成式 AI

大语言模型 (LLM) 是一种具有许多参数的神经网络 AI 模型，可用于执行各种任务，例如生成文本/图片、对文本或图片进行分类或汇总。

生成式 AI 基于 LLM 的上下文和内存来响应输入并创建内容。这不仅仅是模式匹配和预测。一些最常见的生成式 AI 工具包括：

这些工具可用于创建书面散文、代码示例和图片。它们可以帮助您制定度假计划、调整电子邮件的语气或使语气专业化，或者对不同的信息组进行分类。

对于开发者和非开发者来说，应用场景不计其数。

机器学习 (ML)

机器学习 (ML) 是 AI 的一种形式，可让计算机无需明确编程即可学习。在 AI 致力于生成智能的地方，机器学习可让计算机从经验中学习。机器学习包含用于对数据集进行预测的算法。

机器学习是训练模型以做出有用预测或从数据生成内容的过程。

例如，假设我们想创建一个网站，对任何指定日期的天气进行评分。传统上，这可能需要由一名或多名气象学家来完成，他们可以创建地球的大气层和表面表、计算和预测天气模式，并通过将当前数据与历史背景进行比较来确定评分。

我们可以为机器学习模型提供大量的天气数据，直到模型学到天气模式、历史数据和有关特定日天气好坏的准则之间的数学关系。事实上，我们在 Web 上构建了此功能。

深度学习

深度学习 (DL) 是机器学习算法中的一类。其中一个例子是深度神经网络 (DNN)，它尝试模拟人脑处理信息的方式。

AI 面临的挑战

在构建和使用 AI 的过程中，面临着一些挑战。以下是您应该考虑的一些要点。

数据质量和新近度

用于训练各种 AI 模型的大型数据集在使用后通常很快就会过时。这意味着，在寻找最新信息时，您可能会受益于提示工程，以增强 AI 模型在特定任务中的表现并产生更好的输出。

数据集可能不完整或太小，无法有效支持某些用例。尝试使用多种工具或根据自己的需求自定义模型会很有帮助。

对道德和偏见的担忧

AI 技术令人振奋且极具潜力。然而，计算机和算法最终是由人类构建的，基于人类可能收集的数据进行训练，因此面临着一些挑战。例如，模型可以学习和放大人为偏见和有害的刻板印象，直接影响输出结果。构建 AI 技术时，务必要优先考虑缓解偏见。

关于 AI 生成内容的版权，有很多道德因素；谁是输出内容的所有者，尤其是当输出内容严重影响或直接从受版权保护的内容复制过来时？

在生成新内容和新想法之前，请考虑有关如何使用您创建的资料的现有政策。

安全和隐私设置

许多 Web 开发者表示，在使用 AI 工具时，隐私和安全是他们最关心的问题。在具有严格数据要求的业务环境中尤其如此，例如政府和医疗保健公司。使用 Cloud API 向更多第三方公开用户数据会让人担忧。确保所有数据传输都是安全且持续受到监控，这一点非常重要。

设备端 AI 可能是解决这些应用场景的关键。 MediaPipe 是一个正在努力解决相关问题的解决方案，但还有很多工作要做。

网页版 AI 使用入门

现在，您已经熟悉了多种类型的人工智能，可以开始考虑如何使用现有模型来提高工作效率并构建更好的网站和 Web 应用。

您可以使用 AI 实现以下目标：

  • 构建更好的网站搜索自动补全功能。
  • 使用智能摄像头检测是否存在常见物体，例如人类或宠物
  • 使用自然语言模型处理垃圾评论。
  • 为代码启用自动补全功能，从而提高工作效率。
  • 根据对下一个字词或句子的建议，打造 WYSIWYG 写作体验。
  • 提供人性化的数据集说明。
  • 更多其他应用…

通过预先训练的 AI 模型，您无需充分了解如何构建数学模型和收集复杂数据集，即可改进我们的网站、Web 应用和工作效率。

您可能会发现大多数模型立刻就能满足您的需求，而无需进一步调整。 调整是获取已使用大型数据集训练的模型，并进一步训练以满足您的特定使用需求的过程。您可以使用多种方法对模型进行调参：