什么是人工智能?   人工智能(ArtificialIntelligence):是以机器为载体所展示出来的人类智能,亦称为机器智能(MachineIntelligence)   让机器模拟人类在视觉、听觉、语言和行为等方面的某些功能   什么是生成式模型   生成式模型   学习“数据如何生成的”(联合概率分布)   目标:学习数据背后的“完整故事”,包括数据的分布规律,甚至能自己“编故事”(生成新样本)。   像什么:一个画家,不仅会判断“这是猫还是狗”,还能亲手画出一只猫或狗。   怎么做:先分别学习猫和狗的特征(比如猫的尖耳朵、狗的尾巴形状),然后建模它们的整体分布规律。   判别式模型   学习“如何区分数据”(条件概率或决策边界)   目标:直接找到“区分猫狗的关键线索”,不关心数据本身如何生成。   像什么:一个侦探,专注研究“猫和狗有什么不同”,快速抓住关键证据。   怎么做:直接学习猫狗之间的“分界线”,不关心猫狗各自长什么样。

成为VIP会员查看完整内容
3

相关内容

生成式人工智能是利用复杂的算法、模型和规则,从大规模数据集中学习,以创造新的原创内容的人工智能技术。这项技术能够创造文本、图片、声音、视频和代码等多种类型的内容,全面超越了传统软件的数据处理和分析能力。2022年末,OpenAI推出的ChatGPT标志着这一技术在文本生成领域取得了显著进展,2023年被称为生成式人工智能的突破之年。这项技术从单一的语言生成逐步向多模态、具身化快速发展。在图像生成方面,生成系统在解释提示和生成逼真输出方面取得了显著的进步。同时,视频和音频的生成技术也在迅速发展,这为虚拟现实和元宇宙的实现提供了新的途径。生成式人工智能技术在各行业、各领域都具有广泛的应用前景。
时空数据科学的基础模型:教程与综述
专知会员服务
24+阅读 · 3月23日
自动驾驶中的多智能体强化学习综述
专知会员服务
42+阅读 · 2024年8月20日
多智能体深度强化学习研究进展
专知会员服务
62+阅读 · 2024年7月17日
大语言模型视角下的智能规划方法综述
专知会员服务
126+阅读 · 2024年4月20日
无人系统集群与生成式人工智能: 挑战、应用和机遇
专知会员服务
132+阅读 · 2024年3月29日
专知会员服务
133+阅读 · 2021年3月13日
可信机器学习的公平性综述
专知会员服务
68+阅读 · 2021年2月23日
注意力机制模型最新综述
专知会员服务
270+阅读 · 2019年10月20日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
综述| 当图神经网络遇上强化学习
图与推荐
33+阅读 · 2022年7月1日
基于深度元学习的因果推断新方法
图与推荐
11+阅读 · 2020年7月21日
专家报告 | 类脑智能与类脑计算
中国图象图形学报
19+阅读 · 2019年10月9日
机器学习算法集锦:从贝叶斯到深度学习及各自优缺点
人工智能学家
11+阅读 · 2019年2月15日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
【优青论文】视觉问答技术研究
计算机研究与发展
13+阅读 · 2018年9月21日
【学界】融合对抗学习的因果关系抽取
GAN生成式对抗网络
15+阅读 · 2018年7月14日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
深度学习之CNN简介
Python技术博文
20+阅读 · 2018年1月10日
机器学习(4)之线性判别式(附Python源码)
机器学习算法与Python学习
13+阅读 · 2017年7月11日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
19+阅读 · 2013年12月31日
国家自然科学基金
10+阅读 · 2013年12月31日
A Survey of Large Language Models
Arxiv
448+阅读 · 2023年3月31日
Arxiv
68+阅读 · 2022年9月7日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
10+阅读 · 2020年11月26日
VIP会员
相关VIP内容
时空数据科学的基础模型:教程与综述
专知会员服务
24+阅读 · 3月23日
自动驾驶中的多智能体强化学习综述
专知会员服务
42+阅读 · 2024年8月20日
多智能体深度强化学习研究进展
专知会员服务
62+阅读 · 2024年7月17日
大语言模型视角下的智能规划方法综述
专知会员服务
126+阅读 · 2024年4月20日
无人系统集群与生成式人工智能: 挑战、应用和机遇
专知会员服务
132+阅读 · 2024年3月29日
专知会员服务
133+阅读 · 2021年3月13日
可信机器学习的公平性综述
专知会员服务
68+阅读 · 2021年2月23日
注意力机制模型最新综述
专知会员服务
270+阅读 · 2019年10月20日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
相关资讯
综述| 当图神经网络遇上强化学习
图与推荐
33+阅读 · 2022年7月1日
基于深度元学习的因果推断新方法
图与推荐
11+阅读 · 2020年7月21日
专家报告 | 类脑智能与类脑计算
中国图象图形学报
19+阅读 · 2019年10月9日
机器学习算法集锦:从贝叶斯到深度学习及各自优缺点
人工智能学家
11+阅读 · 2019年2月15日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
【优青论文】视觉问答技术研究
计算机研究与发展
13+阅读 · 2018年9月21日
【学界】融合对抗学习的因果关系抽取
GAN生成式对抗网络
15+阅读 · 2018年7月14日
深度学习在推荐系统上的应用
架构文摘
13+阅读 · 2018年2月22日
深度学习之CNN简介
Python技术博文
20+阅读 · 2018年1月10日
机器学习(4)之线性判别式(附Python源码)
机器学习算法与Python学习
13+阅读 · 2017年7月11日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
19+阅读 · 2013年12月31日
国家自然科学基金
10+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员