Честный обзор вводных курсов Google по генеративному искусственному интеллекту

Итак, Google недавно опубликовал список бесплатных курсов «Введение в генеративный искусственный интеллект», и самый большой вопрос: стоят ли они такой шумихи?

Думаю, я здесь именно для этого. После завершения курса обучения Google «Введение в генеративный искусственный интеллект» ( посмотрите здесь ), вот мои два цента.

Оглавление

• Разбивка курса
  • Целевая аудитория
  • Цели обучения
  • Анализ содержания
  • Резюме/Шпаргалки
• Окончательный вердикт (стоит ли оно того?)
• Дополнительные ресурсы

Разбивка курса обучения Google по генеративному искусственному интеллекту

Целевая аудитория

Курсы Google предназначены для студентов, не имеющих предварительных технических знаний по этой теме, или, как объясняется в их блоге , путь предназначен для нетехнической, связанной с технологиями аудитории с такими ролями, как продажи, HR, маркетинг и операции. В данном случае это означает, что курс не содержит подробных инструкций , но дает отличное введение в фундаментальные концепции генеративного ИИ.

Цели обучения

Идея состоит в том, чтобы правильно ответить на вопрос «Но что такое на самом деле генеративный ИИ?».

Основное внимание в курсе уделяется генеративному искусственному интеллекту, моделям большого языка и этике в искусственном интеллекте. В рамках курса вы также сможете узнать обуслугах искусственного интеллекта, предоставляемых Google , и роли Google во внедрении ответственных методов искусственного интеллекта, который включает в себя сочетание тематических исследований, видеороликов в виде лекций и викторин.

Анализ содержания

Итак, расшифруем материал по схеме обучения:

• Введение в генеративный искусственный интеллект — курс
• Введение в большие языковые модели - курс
• Введение в ответственный искусственный интеллект — курс
• Основы генеративного искусственного интеллекта — курс со значком навыка
• Ответственный ИИ: применение принципов ИИ в Google Cloud — курс

Поймите это, курс «Основы генеративного искусственного интеллекта» по сути представляет собой компиляцию первых трех курсов («Введение в Gen AI», «Введение в LLM» и «Введение в ответственный ИИ»), но с добавлением викторины. И вот в чем дело: если бы вы прошли курсы до курса по получению значка навыков, вам не нужно было бы их переделывать. Я предполагаю, почему путь обучения отформатирован таким образом, чтобы гарантировать, что вы действительно пройдете материалы курса, а не просто нажмете «Далее» при попытке получить значок навыка «Основы генеративного искусственного интеллекта».

Выбирая содержание курсов, я разработал несколько шпаргалок:

Резюме + Шпаргалки

Генеративный ИИ

Начиная с «Что такое искусственный интеллект?», это область компьютерных наук, которая имитирует человеческое познание для выполнения сложных задач и обучения на их основе. В рамках искусственного интеллекта существует подраздел машинного обучения, который использует алгоритмы, обученные на данных, для создания адаптируемых моделей, способных выполнять различные сложные задачи.

В рамках машинного обучения существуют различные типы, включая обучение с учителем, обучение без учителя, обучение с подкреплением и глубокое обучение. Глубокое обучение использует искусственные нейронные сети, что позволяет им создавать более сложные шаблоны, при этом нейронные сети используют обучение с учителем, обучение без учителя и обучение с полуконтролем для достижения своей цели. Существует два типа моделей глубокого обучения: дискриминационные и генеративные.

Генеративный ИИ — это тип технологии искусственного интеллекта, которая может создавать различные типы контента, включая текст, изображения, аудио и синтетические данные. Короче говоря, GenAI — это тип ИИ, который создает новый контент на основе того, что он узнал из существующего контента. Он использует процесс обучения, называемый обучением, в результате которого создается статистическая модель, которая, в свою очередь, используется для прогнозирования ожидаемого ответа при получении подсказки.

Большие языковые модели

Большие языковые модели считаются большими по двум причинам: обучение на большом наборе обучающих данных с большим количеством параметров. Параметры, которые часто называют гиперпараметрами, по сути представляют собой воспоминания и знания, которые усвоила машина, и используются для определения способности модели решать проблемы. LLM также имеют общее назначение, поскольку они стремятся решать общие проблемы, используя человеческие языки.

Существует два типа LLM: предварительно обученные и точно настроенные, при которых предварительно обученные модели могут делать «все», но имеют свои практические ограничения, тогда как точно настроенные модели соответствуют определенной нише или направлены на решение конкретной проблемы. Важно отметить, что точная настройка, как правило, обходится дорого, поэтому существуют более эффективные методы, такие как методы настройки с эффективным использованием параметров (PETM), такие как быстрая настройка.

Чтобы понять подсказки, нужно сказать, что они, по сути, представляют собой входные данные, которые передаются LLM для получения определенного ответа. Обычное заблуждение заключается в разделении быстрого проектирования и быстрого проектирования. Если разобраться, дизайн подсказок адаптирован к конкретной задаче, которую просят выполнить систему, тогда как разработка подсказок предназначена для повышения производительности модели за счет использования знаний, специфичных для предметной области, предоставления примеров желаемого результата и использования ключевых слов, которые известно, что они эффективны для этой конкретной системы.

Сервисы AI/ML от Google

Vertex AI предлагает модельный сад для моделей фундамента. Рассмотрим вариант использования, когда пользователь намеревается использовать модель для прогнозирования удовлетворенности клиентов. Он может выбрать использование модели задачи анализа настроений типа задачи классификации.

Интеграция PaLM API с MakerSuite упрощает цикл генеративной разработки. MakerSuite включает в себя множество ресурсов, таких как инструмент обучения моделей для обучения моделей на данных пользователя с использованием различных алгоритмов, инструмент развертывания моделей, позволяющий пользователям развертывать свои модели в рабочей среде, и инструмент мониторинга моделей для мониторинга производительности модели в рабочей среде.

GenAI Studio позволяет пользователям быстро исследовать и настраивать модели GenAI с помощью таких ресурсов, как библиотека предварительно обученных моделей, инструменты для точной настройки моделей, инструменты для развертывания моделей в рабочей среде, а также форум сообщества для получения дополнительной поддержки.

GenAI App Builder предоставляет пользователям интерфейс перетаскивания, визуальный редактор для редактирования содержимого приложения, встроенную поисковую систему и диалоговую систему искусственного интеллекта.

Bard — это диалоговый инструмент искусственного интеллекта, который по сути представляет собой LLM, аналогичный ChatGPT.

Бесплатные курсы по искусственному интеллекту от Google – стоят ли они того?

Да, если говорить простым языком, так оно и есть. Если бы вы знали меня, вы бы знали, что я всегда готов воспользоваться новыми возможностями обучения .

Однако важно отметить, что курс не идеален. Определенные темы могут частично пересекаться, и в них основное внимание уделяется только вкладу Google в индустрию искусственного интеллекта. Кроме того, тесты могут быть недостаточно сложными, особенно если учесть тот факт, что каждый модуль обычно состоит всего из 3-5 вопросов в тесте.

Однако стоит учитывать, что курс полностью бесплатен и позволяет вам продемонстрировать свои достижения в социальных сетях и своем резюме. Кроме того, курс краток и понятен, поэтому он не отнимет у вас слишком много времени. Поверьте, я смог пройти путь меньше чем за сутки 👀

Как продолжить обучение генеративному искусственному интеллекту за пределами курсов Google

Мне хотелось бы думать, что наш путь обучения никогда не должен зависеть только от одного источника. Вот несколько других курсов, на которые вы можете обратить внимание:

• Генеративный ИИ с большими языковыми моделями от DeepLearning.AI
• Введение в генеративный искусственный интеллект от Microsoft
• Основы генеративного искусственного интеллекта в серии технических обзоров AWS от AWS
• Вы говорите на векторе? Понимание языка LLM и генеративного искусственного интеллекта от Datastax
• Руководство для начинающих по использованию больших языковых моделей (LLM) с API PaLM

Другие:

• Обнимающее лицо
• Тензорный поток
• Лангчейн